医学26年：AI辅助肾病理诊断 查房课件

202XLOGO1肾病理诊断的核心地位与传统诊断模式的痛点演讲人2026-05-02肾病理诊断的核心地位与传统诊断模式的痛点01AI辅助肾病理诊断的临床价值与现存局限性02AI辅助肾病理诊断的技术架构与临床应用实践03AI辅助肾病理诊断的未来发展方向04目录医学26年：AI辅助肾病理诊断查房课件各位医师、进修医师、研究生同学，大家好。我从事病理诊断工作整整26年，见证了肾穿刺活检病理诊断从手工石蜡切片、光学镜下肉眼描述，到全切片数字化归档、人工智能辅助诊断的整个发展历程。肾病理诊断一直是病理领域难度最高的亚专业之一，病变复杂、分型要求精细、对医师经验依赖度极高，近10年来随着肾脏病诊疗需求的增长，传统诊断模式的瓶颈越来越突出，AI技术的介入为这个领域带来了新的变化。今天我们教学查房，就围绕AI辅助肾病理诊断这个主题，从临床实际痛点出发，梳理技术应用框架，总结我们中心3年多的临床实践经验，客观分析其价值与局限性，帮助大家建立正确的临床应用思维。本次查房内容分为四个部分，由浅入深展开讨论。01肾病理诊断的核心地位与传统诊断模式的痛点1肾病理诊断是肾脏病诊疗的核心金标准1.1明确疾病分型与病因超过70%的原发性肾小球疾病、绝大多数继发性肾脏病以及肾脏移植术后的排斥反应评估，都依赖肾穿刺活检病理诊断明确病因。临床同样表现为蛋白尿、血尿，IgA肾病、微小病变、膜性肾病、狼疮性肾炎的治疗方案与预后差异极大，只有通过肾病理明确分型才能指导精准治疗，这一核心地位不会因为技术进步发生改变。1肾病理诊断是肾脏病诊疗的核心金标准1.2指导预后评估与治疗方案选择当前主流的肾脏病分型体系，比如IgA肾病牛津分类（MEST-C）、ISN/RPS狼疮性肾炎分型，都要求对病变程度进行量化评估，量化结果直接决定了治疗强度的选择：比如间质纤维化比例超过50%的IgA肾病，免疫抑制治疗的获益远低于风险，临床会选择保守治疗，而量化结果偏差会直接导致治疗错误。1.2传统肾病理诊断模式的核心痛点，这也是我26年从业过程中感受最深的问题1肾病理诊断是肾脏病诊疗的核心金标准2.1观察者间诊断异质性突出由于肾病理很多病变的判断依赖肉眼观察和经验估测，不同年资、不同中心的医师之间诊断一致性并不理想。10年前我们科室曾经做过一项内部研究，3名高年资病理医师对100例疑难肾穿刺病例进行独立诊断，最终完全一致的仅为72%，低年资医师与高年资医师的诊断一致性仅为58%，差异主要来源于病变边界识别、病变程度量化两个方面：比如同样评估间质纤维化程度，我认为是25%，另一位经验相当的医师可能评估为40%，这个差异直接导致MEST评分的不同，最终影响临床治疗决策。1肾病理诊断是肾脏病诊疗的核心金标准2.2工作量增长与专业资源不足的矛盾愈发突出我刚工作的1997年，我们中心一年完成的肾穿刺活检仅127例，2023年我们中心全年完成肾穿刺活检682例，全国每年肾穿刺活检总量已经超过12万例，而目前国内能独立完成肾病理诊断的专科医师不足2000人，平均每名医师每年要承担超过60例诊断，很多地市级基层医院甚至没有1名能独立诊断肾病理的专科医师，肾穿标本需要长途送检到上级医院，诊断等待周期长达1-2周，延误病人治疗。1肾病理诊断是肾脏病诊疗的核心金标准2.3专业人才培养周期过长我从事带教工作20年，统计下来，一个合格的肾病理诊断医师，从毕业后规培到能独立发出诊断报告，至少需要3-5年的系统训练，积累至少1000例以上的读片经验，才能达到稳定的诊断准确率。人才成长速度远远跟不上临床需求的增长，很多中心长期面临肾病理诊断医师短缺的问题。3数字化病理普及为AI应用奠定了基础近10年来全切片数字化扫描（WSI）技术逐步成熟，扫描成本大幅下降，国内多数三甲医院病理科已经完成了数字化病理系统的搭建，我们中心2018年就实现了所有肾穿刺切片的100%数字化扫描归档，所有切片都可以以高清数字格式被计算机读取分析，这才让AI辅助肾病理诊断从实验室概念变成了可应用于日常临床工作的工具。接下来我们就具体讲解AI辅助肾病理诊断的技术架构与我们的实际应用经验。02AI辅助肾病理诊断的技术架构与临床应用实践1AI辅助肾病理诊断系统的核心技术基础1.1全切片数字化扫描与预处理高清WSI可以提供40倍放大下的全切片形态信息，分辨率可达0.25μm/像素，完全满足病理诊断的要求，AI系统可以直接读取WSI文件，对切片进行背景过滤、伪影去除等预处理，减少不合格标本对结果的影响。1AI辅助肾病理诊断系统的核心技术基础1.2标准化标注数据集的构建AI模型的性能完全依赖标注数据集的质量，我们中心从2019年开始和AI团队合作构建中国人群肾病病理数据集，我本人前后标注了1200余例肾穿切片，大到整个肾小球的边界，小到新月体中的细胞成分，都需要逐区手动标注。我印象最深的是为了训练AI识别早期小型细胞新月体，我连续花了一周时间，重新标注了170多例含早期新月体的切片，每一个新月体的边界都要手动描记，只有标注足够准确，AI才能学会识别这些容易漏诊的病变。最终我们整个数据集一共纳入了1862例标注合格的肾穿病例，涵盖了从常见肾病到少见肾病的各类病变，为模型训练打下了坚实基础。1AI辅助肾病理诊断系统的核心技术基础1.3针对肾结构优化的深度学习算法目前我们临床应用的AI模型，是结合了卷积神经网络（CNN）和视觉Transformer的混合模型，专门针对肾脏组织结构的特点做了优化，可以精准识别肾小球、肾小管、肾间质、肾血管四类核心组织结构，对病变特征进行提取和分类，准确率已经达到了临床应用的要求。2AI辅助肾病理诊断的核心临床应用场景2.1组织结构自动分割与病变初筛这是目前最成熟也最常用的功能，AI可以在数秒内完成整张切片的分析，自动识别出所有肾小球的位置，统计有效肾小球的数量，标记出存在硬化、新月体、坏死、淀粉样沉积等异常病变的区域，供病理医师重点观察。我给大家举一个我上个月碰到的真实病例：一名19岁男性，体检发现镜下血尿、蛋白尿1+，肾穿刺标本共穿出7个肾小球，我初扫切片的时候只看到6个肾小球，都是轻度系膜增生，准备报告IgA肾病Lee2级，结果AI标记出切片边缘角落有一个被组织边缘遮盖的肾小球，其中存在一个小型细胞新月体，我重新放大观察确认后，修正诊断为IgA肾病Lee3级，治疗方案也从单纯RAS阻断剂调整为联合半量激素，避免了一次关键的漏诊。我们中心统计，应用AI辅助后，新月体漏诊率从原来的7.8%下降到了1.5%，这个提升是非常显著的。2AI辅助肾病理诊断的核心临床应用场景2.2病变程度自动量化评估针对当前分型体系对量化的要求，AI可以自动计算肾小球硬化比例、间质纤维化比例、血管硬化程度等核心量化指标，误差可以控制在1%以内，远优于传统的肉眼估测。原来我们评估间质纤维化，都是凭经验估测，不同医师之间误差可以达到20%以上，AI的精准量化直接提升了分型的一致性。2AI辅助肾病理诊断的核心临床应用场景2.3辅助病理分型与诊断提示AI可以根据识别到的病变特征，给出初步的病理分型提示，对于少见病也可以给出疑似诊断提示，供病理医师参考。比如对于淀粉样变性、轻链沉积病这类相对少见的病变，AI见过的病例数量远多于单个医师，能提前给出提示，帮助年轻医师少走弯路。2AI辅助肾病理诊断的核心临床应用场景2.4自动生成评分与风险分层AI可以根据量化结果自动生成IgA肾病牛津MEST-C评分、狼疮性肾炎活动度评分等，直接给出预后风险分层，供临床医师参考，大大缩短了报告撰写的时间。3我们中心3年临床应用的效果数据我们中心从2021年开始将AI辅助诊断常规用于肾病理诊断，截至2024年3月，累计应用AI辅助诊断1247例肾穿病例，统计结果显示：高年资医师与低年资医师的诊断一致性kappa值从原来的0.68提升到了0.82，达到了良好一致的标准；每份诊断报告的平均出具时间从原来的4.2小时缩短到1.8小时；整体漏诊率从原来的4.1%下降到1.2%，临床获益非常明确。讲完了具体的应用实践，接下来我们客观分析AI辅助诊断的临床价值，以及目前仍然存在的局限性，这也是我们临床应用中需要特别注意的问题。03AI辅助肾病理诊断的临床价值与现存局限性1AI辅助诊断的临床核心价值3.1.1为高年资专科医师减负，把时间还给核心工作原来我们看一张肾穿切片，一半的时间都用来找肾小球、数数量、估测病变比例这些机械性工作，AI把这些工作做了之后，我现在一天看8例肾穿，原来需要一整个上午，现在两个小时就能完成初诊，剩下的时间可以用来分析疑难病变、和临床医师沟通病人情况、带教年轻医师，工作效率和质量都提升了很多。1AI辅助诊断的临床核心价值1.2缩短年轻医师的培养周期，提升基层诊断能力年轻医师和基层医师，由于经验不足，诊断一致性差，AI相当于一个实时的带教老师，能提示病变位置和可能的诊断，我们中心的进修医师，原来需要半年才能独立完成初筛工作，现在2个月就能胜任，诊断准确率也能达到高年资医师的90%以上，对于没有专科医师的基层医院，AI辅助可以让基层医师就能发出合格的诊断报告，减少了外送会诊的需求，缩短了病人的等待时间。1AI辅助诊断的临床核心价值1.3提升诊断一致性，推动肾病理诊断的规范化AI的量化评估是标准化的，避免了不同医师之间的经验差异，大幅提升了不同中心、不同年资医师之间的诊断一致性，推动了整个行业的诊断规范化。3.2目前AI辅助肾病理诊断的现存局限性，这一点我们必须有清醒的认识，不能过度依赖AI1AI辅助诊断的临床核心价值2.1数据集偏倚导致对罕见病识别能力不足目前AI训练集中绝大多数都是常见肾病，罕见病、少见病的标注样本量少，AI的识别能力有限。我上个月就碰到一例纤维样肾小球病，这是我们中心一年才碰到1-2例的罕见病，AI就没有识别出特征性病变，最后还是我们结合免疫荧光和电镜结果才确诊，所以对于罕见病变，AI目前还不能替代医师的经验判断。1AI辅助诊断的临床核心价值2.2无法替代临床-病理-多模态信息的综合判断肾病理诊断从来不是只看形态，必须结合病人的临床病史、实验室检查、免疫荧光结果、电镜结果进行综合判断。比如一个病人HE形态符合膜性肾病，但是临床有慢性乙肝病史，病毒复制活跃，就要诊断乙肝相关性膜性肾病，而不是原发性膜性肾病，治疗方案完全不同，AI目前只能读取形态学信息，无法整合所有临床信息做出个体化的综合判断，这一属性决定了AI永远只能是辅助工具。1AI辅助诊断的临床核心价值2.3责任界定与伦理规范仍不完善目前我国病理管理规范明确要求，病理诊断报告必须由执业医师签发，诊断责任由签发医师承担，AI只是辅助工具，即便AI提示漏诊，最终责任还是由病理医师承担，所以我们任何时候都不能脱离自己的独立判断，完全依赖AI。讲完了价值与局限，我们最后简单展望一下AI辅助肾病理诊断未来的发展方向。04AI辅助肾病理诊断的未来发展方向1多模态AI模型的整合未来的AI模型会整合形态学、免疫荧光、电镜、临床检验、影像学等多模态数据，实现多信息的综合分析，进一步提升诊断准确率。2多中心罕见病数据集的构建通过多中心合作积累罕见病标注数据，提升AI对罕见病的识别能力，让AI能覆盖更多的临床场景。3AI辅助精准预后与治疗预测未来AI可以通过大样本数据训练，基于病理形态和临床信息，预测病人对不同治疗方案的反应，以及长期预后，真正实现个体化的精准诊疗。总结今天我们围绕AI辅助肾病理诊断这个主题，从我26年从业的所见所感出发，梳理了传统肾病理诊断的痛点，讲解了AI的临床应用，客观分析了价值与局限。我从一开始接触AI的时候也有过疑虑，担心AI会替代