数字病理学的现状与未来趋势

2025年10月13日

病理学正在走向数字化。目前已有超过50种获准用于诊断的人工智能（AI）工具可用。本文总结了当前现状并对即将涌现的新技术进行了展望。

图片来源：ESMO

作者：

Volker Bruns，医疗图像分析小组经理，德国埃尔朗根弗劳恩霍夫集成电路研究所（IIS）

Michaela Benz，数字健康与分析首席科学家，德国埃尔朗根弗劳恩霍夫集成电路研究所（IIS）

本文内容由弗劳恩霍夫IIS提供，反映了作者/公司的观点。ESMO不认可本出版物内容，也不对文章所含信息的准确性、完整性或可靠性承担任何责任。

数字病理学已稳固确立，即便在德国也是如此。大学医院多年来已在研究环境中使用扫描仪，数字化对于计算病理学至关重要，它促进了定量分析并简化了生物标志物的发现。

最近，病理学研究所也开始将其临床常规工作过渡到数字化工作流程。这些是各大学医院特有的大规模项目，涉及周密的规划、确保预算（例如通过“医院未来法案”）、利益相关者参与、起草招标以及最终优化新流程。

图像管理系统

从众多供应商中选择扫描仪只是这一转型中的一个微小方面。医院还必须决定是在本地还是在云端归档数据。此外，选择图像管理系统至关重要；它充当“数字病理学家的驾驶舱”，管理玻片归档并作为第三方供应商AI工具的接口。

一些机构选择更换其实验室信息系统作为这些数字化计划的一部分。IMS和LIS之间的界限开始模糊，未来的解决方案可能会整合这两种功能。当IMS和LIS保持独立时，用户在不同的显示器上打开每个系统，使它们能够双向通信，并确保同一病例可在两个平台访问。与扫描仪一样，IMS也有众多供应商提供。其中许多是放射学PACS供应商，正在将其服务扩展到病理学领域——一个市场仍处于早期发展阶段的领域。

我们预计，非大学医院和病理学实践机构将很快跟随第二波数字化浪潮。一个主要的激励因素是远程工作的能力，使病理学家能够在家或在会议期间诊断病例。这种灵活性增强了雇主的吸引力，考虑到年轻病理学家短缺的情况，这一点至关重要。与传统方法（在显微镜下观察实体玻片同时在另一屏幕上操作LIS）相比，在计算机屏幕上诊断通常更符合人体工程学，对眼睛的负担也更小。

AI辅助计算病理学

此外，数字病理学为AI辅助的计算病理学铺平了道路。文献中有数以千计的出版物展示了使用AI解释组织学扫描结果。在过去几年里，我们看到了首批获得批准用于初级诊断用途的AI工具面世，获得了CE-IVD或CE-IVDR标志。到2025年夏季，大约有50个此类AI系统可用。这些AI大多自动化了当前手动执行的评分或任务评估——例如评估乳腺癌中的Ki67增殖指数或HER2表达、肺癌中的PD-L1表达、前列腺癌的格里森分级，或检测淋巴结活检中的（微）转移。

然而，其商业案例仍然具有挑战性，因为数字化和AI的额外成本并未得到报销。一类不断发展的AI超越了单纯的自动化，能够直接从H&E染色中预测生物标志物或基因突变，无需额外的检测，如NGS。在这方面，AI可能有助于降低成本、缩短周转时间，并在肿瘤医生需要紧急情况下立即选择治疗方案时提供有用的指导。

鉴于组织学评分通常是关键临床结局（如肿瘤亚型、侵袭性或转移风险）的代理指标，一类新兴的AI产品专门致力于直接预测这些终点。毕竟，为手动操作而设计的传统评分需要尽可能简单；AI可以重新定义这些限制。最近发布了另一类全新的、仅基于AI的伴随诊断测试的首个示例。它量化了细胞膜中的TROP2表达，并被证明可以预测对一种新型ADC药物的治疗反应，而传统的免疫组织化学法则不能。随着ADC药物的出现，更多此类AI伴随诊断可能在未来几年内出现。

展望：空间生物学

在技术层面展望未来，空间生物学方法正在彻底改变生物医学研究，并可能很快进入常规应用。虽然空间转录组学、空间蛋白质组学或质谱成像目前仍然昂贵且速度慢，但它们描绘的画面（无论是字面还是比喻意义上）都完整得多。当与多组学方法结合时，这一点尤其显著，并为衍生更准确的生物标志物提供了基础。另一种情况是当活检组织极难获取，只有少量组织可用于选择最佳疗法时。空间生物学是否以及何时会进入临床常规，未来将会给出答案。

MIKAIA®是一款面向生命科学研究人员的数字病理学和空间生物学分析软件，由弗劳恩霍夫IIS开发并由全球合作伙伴分发。它包含大量算法和AI，无需编程或脚本专业知识即可开箱即用。额外的AI可以通过内置的AI训练器进行交互式训练，或通过Python/R插件API集成。