AI辅助病理诊断应用中国专家共识（2026版）

AI辅助病理诊断应用中国专家共识（2026版）前言病理诊断被公认为疾病诊断的“金标准”，其准确性直接决定临床治疗方案的选择与患者预后。随着深度学习技术在医学图像分析领域的突破，人工智能（AI）已从实验室研究走向临床辅助应用，展现出在提升诊断效率、降低漏诊率方面的巨大潜力。然而，AI算法的“黑箱”特性、数据孤岛问题以及人机协作的责任界定不清，构成了制约其规范化落地的核心瓶颈。本共识旨在汇聚多学科专家智慧，为AI辅助病理诊断系统的临床准入、人机协同流程设计、质量管控及风险应对提供可执行的标准化指南，确保技术应用“有法可依、有据可循、风险可控”。基本原则与适用范围AI辅助病理诊断系统的应用必须遵循“辅助而非替代、医生主导决策、全程可追溯”的三大核心原则。本共识适用于所有在中国境内开展病理诊断服务的医疗机构，以及向医疗机构提供AI病理诊断软件、算法模型或云服务的第三方技术供应商。适用场景涵盖常规组织病理学（HE染色）、免疫组化（IHC）辅助判读、细胞学筛查（如TCT、液基薄层细胞学）及分子病理图像分析。核心应用准则辅助定位原则：AI系统主要用于对全切片图像（WSI）进行感兴趣区域（ROI）的自动标注与定量分析，严禁系统直接生成最终的病理诊断报告。诊断结论的签字权与责任主体必须完全归属具有执业资格的病理医师。数据同源原则：AI分析所用的数据必须源自经过合规质控的数字化切片，且WSI的扫描参数需满足算法训练时的基准要求（如放大倍率40x，压缩比≤10:1），严禁使用手机拍照或低分辨率监控图像作为分析输入。版本锁定原则：临床使用的AI算法模型版本必须经过NMPA（国家药品监督管理局）或相关权威机构认证，严禁在未经医院伦理委员会及信息科审批的情况下，擅自在生产环境更新算法模型或调整参数权重。AI病理产品的分类与功能定义不同技术路线的AI产品解决的临床痛点截然不同，明确分类是选择合适工具的前提。依据临床功能与输出结果，AI病理产品分为筛查类、定量分析类与诊断提示类三大体系，各类产品在应用中需严格遵循其功能边界。筛查类产品此类产品主要应用于细胞学筛查（如宫颈癌细胞学筛查）或大规模组织芯片（TMA）的初筛。功能定义：通过快速遍历WSI，识别出阴性样本与疑似阳性样本。操作要求：系统需具备“阴性/阳性”二分类输出能力，且对阴性样本的预测特异性（Specificity）应≥98风险阻断：若AI判读为“阴性”，必须由高年资医师进行比例不低于10%的抽检复核；若AI判读为“阳性”，必须进入人工100%阅片流程。禁忌：严禁将筛查类AI的阴性结果直接视为“未见癌细胞/无异型性”而免除人工阅片。定量分析类产品此类产品主要用于免疫组化（IHC）指标（如HER2、Ki-67、ER、PR）的评分或肿瘤细胞核计数。功能定义：自动识别着色区域（如DAB棕色），计算阳性细胞百分比、染色强度及H-score评分。操作要求：系统必须提供可交互的掩膜，允许病理医师手动修正AI识别错误的区域（如剔除坏死组织、非特异性着色）。修正后的数据必须实时更新计算结果。参数设定：对于HER2评分，系统必须能精确区分完整细胞膜着色与不完整着色，且支持对“浸润性癌区域”进行手动圈定以排除原位癌干扰。诊断提示类产品此类产品主要针对特定肿瘤（如肺癌、乳腺癌、结直肠癌）提供分型、分级建议。功能定义：输出鉴别诊断列表及对应的概率置信度。操作要求：系统必须以热力图形式在WSI上高亮显示支撑其诊断判断的关键病理特征区域（如腺管结构、核异型性区域、核分裂象）。置信度阈值：当AI输出的最高置信度<85临床应用准入与验证规范进入临床应用前的验证是保障AI安全性的“防火墙”，其严谨程度直接决定了后续诊断的可靠性。验证工作不应仅依赖厂商提供的测试报告，医疗机构必须建立独立的“第三方验证机制”，在真实临床环境中对模型进行“上岗考核”。验证数据集构建样本独立性：验证集必须完全独立于模型训练集与开发集，且必须包含本机构近6个月内的真实病例数据，以评估模型对本地区人群、染色制片流程的适应性。样本量与分布：验证样本总量应不少于200例，且必须覆盖目标病种的所有亚型及常见干扰项（如出血、坏死、折叠、气泡）。对于罕见亚型，若机构样本不足，应通过多中心联合验证。金标准制备：每张验证切片的诊断金标准必须由“两名副高及以上职称病理医师独立盲审+一致意见”构成；若意见不一致，需引入第三名主任医师进行仲裁。关键性能指标（KPI）考核验证报告必须包含以下量化指标，任何一项不达标均判定为验证失败：一致性指标：AI结果与金标准的Kappa系数应≥0.80定位精度：对于检出病灶的定位，IoU（交并比）应≥0.75假阳性控制：在40倍镜下，每张切片的假阳性标记点不得超过3个，过多假阳性会严重干扰医生视线，降低阅片效率。验收流程与决策试运行期：系统通过离线数据验证后，需进入不少于3个月的“双盲试运行期”。在此期间，AI分析结果与常规诊断结果并行记录，但严禁反馈给临床医生，也不得影响最终报告。定期复盘：试运行期内每月召开一次AI性能评估会，对比AI诊断与人工诊断的差异。若连续2个月发现AI在特定亚型（如黏液腺癌）上出现系统性偏差，必须暂停试用并反馈厂商优化模型。人机协同工作流设计人机协同的效能取决于工作流的颗粒度设计，理想的状态是AI承担“劳动密集型”任务（计数、初筛），医生承担“认知密集型”任务（形态判读、综合决策）。工作流设计必须嵌入到病理信息系统（PIS/LIS）中，实现无缝切换。常规HE诊断工作流切片扫描与上传：技术员扫描切片生成WSI文件（格式支持SVS/TIFF/NDPI），系统自动上传至AI分析服务器。AI预分析：AI在后台进行全片分析，耗时应控制在单张<3医生阅片（交互核心）：医生打开切片，AI自动叠加显示ROI热力图。优先策略：医生优先浏览AI标注的“高风险区域”（热力图红色区域）。复核机制：医生需对AI标注的每一个阳性区域进行确认（保留）、删除（假阳性）或修改（边界调整）。盲区覆盖：医生必须手动浏览AI未标注的区域，严禁仅查看AI标注区域。系统应记录医生视点轨迹，确保覆盖全切片面积的90%以上。报告生成：医生确认诊断后，系统自动抓取AI测量的定量数据（如核分裂象个数：5个/10HPF）填入报告模板，医生核对无误后签发。冰冻切片（GF）应急工作流冰冻切片对时效性要求极高（通常≤30加速模式：启用AI的“快速推理模式”，适当牺牲部分分辨率（如采用20x虚扫或Patch采样），将单张分析时间压缩至<45风险预警：若AI分析结果提示“疑难/罕见”，系统应立即在技术员工作站弹窗提示“建议上级医师会诊”，避免低年资医生单独处理。故障回退：若AI服务超时（>60秒未响应），系统必须自动发出超时警报，并立即切换至纯人工阅片界面，严禁等待AI结果导致报告延误。细胞学筛查工作流（阴性筛查模式）初筛：AI对TCT玻片进行全片扫描。分流：阴性路径：AI判读为阴性，且置信度>95阳性路径：AI判读为阳性或置信度低。切片进入“病理医师阅片队列”，进行逐级诊断。质控锁：对于AI判读阴性的病例，系统每20例强制抽取1例转入医师阅片队列进行抽检，确保AI模型未发生漂移。数据安全与隐私保护病理数据包含极高敏感度的患者个人信息与疾病详情，且WSI文件体积巨大（单张常达数GB），数据泄露或篡改将导致严重后果。安全体系必须覆盖数据的全生命周期——采集、传输、存储、使用与销毁。数据脱敏与去标识化元数据清洗：在WSI上传至AI分析服务器前，必须通过前置网关剥离DICOM文件头中的患者姓名、身份证号、医保卡号等直接标识符。仅保留用于关联的唯一内部编码（如StudyInstanceUID）。标签分离：AI训练或分析过程中，病理标签数据（如“浸润性导管癌”）应与患者身份信息物理隔离存储，通过加密令牌进行关联映射。传输与存储加密传输通道：WSI上传与下载必须使用HTTPS协议，且TLS版本不低于1.2，禁用弱加密算法（如RC4、DES）。建议配置专线或VPN通道，避免数据直接暴露于公网。存储加密：服务器端数据必须采用AES-256位加密存储。数据库密码应采用加盐哈希存储，且每季度强制轮换一次。访问审计：建立“全量日志审计系统”，记录所有用户对WSI的访问、下载、分析操作。日志包含：操作人、时间、IP、操作对象、结果。日志保留时间不少于5年，且支持不可篡改的区块链存证（推荐）。外包数据管理若使用云端AI服务（公有云），必须遵循“数据不出院”或“可用不可见”原则。联邦学习：优先采用联邦学习技术，模型在本地训练，仅上传梯度参数至云端聚合，严禁上传原始WSI至境外服务器。数据销毁：对于发送至第三方厂商用于算法优化的数据，必须签署严格的数据保密协议（DPA），并要求厂商在项目结束后30天内彻底销毁数据，提供销毁证明（如哈希值比对报告）。风险管理与应急响应AI技术固有的不确定性决定了风险管理的必要性，必须建立从“技术故障”到“医疗纠纷”的分级响应机制。风险识别不能仅停留在软件层面，必须延伸至对患者安全的潜在影响。风险分级与定义风险等级定义判定标准启动权限Ⅰ级（特别重大）导致严重医疗伤害或大规模数据泄露AI误诊导致患者错误手术/治疗；数据泄露涉及>100人科主任+院领导Ⅱ级（重大）系统瘫痪或严重诊断干扰AI服务宕机>4小时；假阳性率>10%持续2天科主任Ⅲ级（一般）单例错误或轻微功能异常单张切片分析失败；标注偏移>20%值班医师/技术组长典型风险场景与处置算法“幻觉”风险：AI将伪影（如胶水气泡、划痕）误判为肿瘤细胞。阻断机制：在AI前端引入“伪影检测器”，若检测到图像质量异常（模糊度>阈值、伪影特征明显），自动拦截并提示“切片质量差，AI分析不可用”。处置：医生发现此类错误，必须在系统内提交“误报反馈”，后台自动收集该Patch加入模型的“负样本库”，用于下一轮模型迭代。域适应偏差风险：医院更换了染色机品牌或试剂批号，导致切片颜色发生系统性偏移（如偏蓝），AI性能骤降。监测：系统每日监控AI预测分布，若某类阳性结果发生率突然波动超过300%，触发“模型漂移预警”。处置：暂停AI辅助功能，通知厂商进行颜色归一化校准，并使用新批号试剂的切片（不少于50张）进行快速验证。网络攻击风险：勒索病毒加密WSI存储。预防：关键数据实行“3-2-1”备份策略（3份副本、2种介质、1个异地）。AI服务器与医院办公网逻辑隔离，禁用USB端口。恢复：启动容灾系统，RTO（恢复时间目标）≤4小时，RPO（数据恢复点目标）≤效果评估与持续改进AI系统上线不是终点，而是持续优化的起点。必须建立基于真实世界数据（RWD）的闭环反馈机制，通过PDCA循环不断提升模型的鲁棒性与临床契合度。临床效果评估指标每季度由科室质控小组发布《AI辅助病理诊断效能评估报告》，核心指标包括：效率提升率：AI辅助前平均阅片时间−AI辅助后平均阅片时间AI辅助前平均阅片时间诊断一致性提升：对比应用AI前后，科室内部低年资医师与高年资医师诊断Kappa系数的变化。漏诊率变化：统计复核中发现AI辅助前后的漏诊病例数变化。底线要求：应用AI后，漏诊率不得上升。模型迭代与版本管理反馈收集：在阅片界面设置“一键反馈”按钮，医生可标记AI的“真阳性”、“假阳性”、“假阴性”。系统目标：医生反馈参与率应≥20增量训练：每半年将积累的高质量反馈数据（经金标准确认）用于模型微调。版本更新审批：新版本模型发布前，必须完成回归测试（确保旧能力不退化）及临床验证。更新操作需安排在业务低峰期（如夜间），并提前24小时通知科室。附则本共识由中国相关医学协会及专业委员会联合制定，解释权归制定委员会所有。随着相关法律法规（如《生成式人工智能服务管理暂行办法》）及技术标准的更新，本共识将适时修订。本共识自发布之日起实施。附录附录A：AI病理系统临床准入核查表检查项目检查内容判定标准检查结果（通过/不通过）资质文件NMPA注册证/二类医疗器械证证书在有效期内，适用范围包含申请科室数据安全数据出境安全评估报告若涉及云端，需提供通过评估的证明算法验证独立验证报告Kappa≥0.80接口兼容LIS/PACS对接测试能双向传输患者信息及诊断结果应急方案离线运行/应急手册提供详细的故障切换操作指引附录B：AI辅助诊断误报/漏报应急处理流程图发现问题（医生阅片时发现AI严重误判）立即处置（忽略AI结果，按常规流程完成诊断，确保患者安全）记录上报（在系统“不良事件”模块填报：病例ID、错误类型、截图）初步分析（技术组长判断是个例还是系统性故障）若为个例→归档记录若为系统性故障→启动Ⅱ级响应系统熔断（暂停该AI模块的使用，通知厂商）整改验证（厂商修复→科室验证→重新上线）附录C：常用病理AI术语解释WSI(WholeSlideImage)：全切片图像，指将病理玻片在显微镜下进行高分辨率（通常20x或40x