对话大咖 | 杨文圣教授：从分子分型到多组学整合，病理诊断正走向“预测性学科”

杨文圣教授：我科室的病理转型始终遵循“分层推进、资源整合、人才先行”的核心发展思路。

分层推进，即摒弃一步到位的建设思路，结合临床刚需与技术成熟度分步搭建分子诊断体系。优先落地FISH、PCR等技术成熟、性价比高的检测平台，快速满足临床常规分子诊断需求；在此基础上逐步引入NGS高通量测序等前沿技术，持续拓宽检测维度与诊疗边界。

资源整合，即立足科室现有平台短板，积极联动第三方专业检测机构，构建优势互补的合作模式。常规、基础检测项目由科室自主完成，技术门槛高、成本高昂、操作复杂的特殊检测项目依托合作平台开展，在保障检测质量的同时，有效控制科室运营成本。

人才先行，即将复合型人才培养作为科室转型的核心抓手。一方面，常态化组织科室医师参与分子病理、生物信息学专项培训，推动传统形态学病理医师向“形态+分子”复合型医师转型；另一方面，主动引进具备分子生物学专业背景的科研与技术人才，充实科室前沿诊疗与科研力量。

在工作平衡方面，我们坚守“常规诊断为底线，分子病理为方向”的原则。通过优化科室工作流程、科学配置人力与设备资源，优先保障常规病理诊断的质量与效率；在此基础上稳步拓展分子检测的服务范围，逐步实现传统病理与分子病理的协同发展、全面覆盖。

杨文圣教授：结合团队的AI数字病理研究经验，我认为AI辅助病理诊断将率先在四类场景中落地普及。

第一，大规模细胞学筛查。以宫颈液基细胞学、甲状腺细针穿刺筛查为代表，这类场景样本量大、判读标准统一、重复性要求高，AI可高效完成初筛工作，显著提升筛查效率与诊断一致性。

第二，组织切片快速初筛。AI可对HE染色切片进行全域扫描，智能识别、标记可疑病灶区域，帮助病理医师精准锁定重点观察视野，有效降低微小病灶、隐匿病灶的漏诊概率。

第三，免疫组化标准化定量判读。针对HER2、PD-L1等需要精准量化评估的核心治疗标志物，AI可实现标准化、可重复的客观判读，规避人工判读的主观误差，提升结果准确性。

第四，病理全流程质量控制。AI可智能化评估切片制作、染色效果等实验质量，构建标准化、规范化的科室质控体系，全面提升病理诊断的标准化水平。

在人机协作层面，我始终坚持一个核心理念：AI是病理医师的辅助工具，而非替代者。理想的模式为“AI智能初筛+医师专业复核”，由AI承担海量、重复、机械的基础性筛查工作，将病理医师从繁琐的重复性劳动中解放出来，专注于疑难病例诊断、临床综合研判、诊疗沟通与科研创新等高价值工作。

病理医师应主动拥抱人工智能技术，熟练运用新型工具赋能诊断工作。真正无法被人工智能替代的，是医师积累的临床经验、多维度综合研判能力以及医疗工作的人文温度，这也是病理诊断的核心价值所在。

杨文圣教授：未来三至五年，肿瘤病理诊断将迎来技术革新与理念升级的关键阶段，四大发展方向值得重点关注。

其一，AI辅助病理诊断全面普及。随着算法模型持续优化、临床数据不断积累、行业监管体系日趋完善，AI将从科研工具转变为常规标配，全面融入病理诊断全流程。

其二，液体活检技术广泛落地。通过精准检测循环肿瘤DNA、循环肿瘤细胞等外周血标志物，实现肿瘤早期筛查、疗效动态监测、耐药风险提前预警，极大拓展病理诊断的应用场景与临床价值。

其三，空间转录组技术成熟应用。该技术可在完整保留肿瘤组织空间结构的基础上，解析全域基因表达特征，深度解析肿瘤微环境的异质性，为肿瘤精准分型与个体化治疗提供全新依据。

其四，多组学整合精准分型体系成型。通过整合基因组、转录组、蛋白组、代谢组等多层级生物信息，构建更精准、更全面的肿瘤分子分型体系，真正支撑肿瘤“一人一策”的个体化精准治疗。

总体而言，肿瘤病理诊断的核心发展趋势，是从传统的描述性诊断学科向现代预测性精准医学学科跨越。未来病理报告不仅能够明确肿瘤的病理类型与病变性质，更能精准预判肿瘤发展预后、指导最优治疗方案，成为肿瘤精准诊疗的核心支撑。

编辑 | 佼娇

视频 | 粘洞

审核 | 晓娟 鹏哥

审校 | 杨文圣

版权声明：