“病理+人工智能”的“能”与“不能”

AI正逐步渗透医疗行业的各个角落，从精准诊断到个性化治疗，从药物研发到公共卫生，都在推动医疗行业向更高效、更智能的方向发展。随着其在图像领域的深入发展，“人工智能+病理”或者“病理+人工智能”将逐步走向科室一线。此时，我们需要确定AI的“能”与“不能”，从而筹划科室建设的“为”与“不为”。

病理诊断的行业特色

病理是医疗领域比较有特色的一个科室，因为工作任务决定了对病理医师的要求是既要“专”又要“全”。“专”是因为病理诊断是最后的诊断，是守门员，这种定位天然决定了病理医师必须高度专业；“全”是因为各个临床科室，大大小小的问题，遇到疑难，病理都是重要的依靠，合格的病理医师因而要相当全面。故此，病理诊断是一件容错率非常之低的工作，AI在这个领域的应用是有较高门槛和壁垒的。

病理AI的能力边界

AI在当下被各行各业寄予厚望，甚至形成了AI无所不能的幻相，那么AI是否有它的能力边界，又是什么决定了AI的能力边界呢？教育的规律告诉我们，能力的形成来自于训练与学习，动物如此，人类如此，AI同样会如此。所以，我们无法期望从未被训练或者在学习资料不足的领域AI能衍生出优异的性能。在涉及大量公共资料的领域，AI由于记忆、推理等能力相对于人类的优势，表现出性能的优越性是可以期待的；在前沿科学、深度决策、资料受限甚或逻辑不明需要依靠经验和直觉的工作领域，AI缺乏训练的机会也没有自我学习的条件，此时对AI寄予过高的期望则是不太合理的。

“病理+人工智能”的“能”与“不能”

基于病理的行业特色及关于病理AI能力边界的上述判断，“人工智能+病理”一定是有所“能”且有所“不能”的。在拥有大量资料、具备完整判断范式的层面，AI是“能”的，而且随着技术的进步，在这个范畴内人工智能会越来越好用；在疑难病例、罕见病种诊断方面，AI则很大概率是“不太行”的，资料不足，训练或者学习不够是局限AI效能发挥的天然屏障。

因此，“人工智能+病理”如何扬长避短实际切入工作场景，如何有效工程化落地，是AI企业从创新走向实用的关键挑战，但这种现状却带来了一个相对明晰的结果：AI是病理医师的助手，可以协助医师提高效率；AI替代不了优秀的病理医生，人类在罕见疾病与前沿领域的努力仍然是价值无量的。