近日，在首届数智病理西湖峰会上，西湖大学人工智能与生物医学影像实验室发布了全球首个融合了镜下视野和全场图的多模态病理大模型 DeepPathAI，该模型即将在杭州市一医院正式落地，让 AI 时代的数智病理成为可能。

几小时工作量缩短到一杯咖啡时间

病理作为公认的诊断 " 金标准 "，在疾病的诊断、治疗乃至预后中具有举足轻重的作用。在传统的病理诊断模式中，医生需要在数亿像素的切片中搜寻蛛丝马迹，耗时费力且易受主观因素影响。

" 一个患者平均需要 15 张活检切片，一周 100 名患者就是 1500 张切片。" 杜克大学黄教悌教授在峰会上分享。" 人眼会疲劳，经验有边界，而罕见病变的误诊风险始终存在。"

DeepPathAI 能以 0.25 微米的精度扫描切片，在几秒之内完成基础筛查，并智能标记可疑病变。DeepPathAI 的设计者、西湖大学人工智能与生物医学影像实验室的负责人杨林看来，这将成为病理科医生的 " 超级私人助理 "。

杨林在西湖大学人工智能与生物医学影像实验室

区别于普通病理 AI 只能识别细胞形态，DeepPathAI 能 " 读病历 "，可以结合基因数据、病史甚至家族癌症史，提供更完整的诊断依据。同时，DeepPathAI 还能 " 思考 "。当医生面对复杂病症，DeepPathAI 不仅能标记病变区域，还能秒级调取全球病例库，提供相似病例分析和治疗建议，让医生不必从零开始查阅海量文献。

通用病理建模范式更使得 DeepPathAI 成为 " 全科医生 "，能够支持宫颈癌、肺癌、乳腺癌、胃癌等 40 多种癌症类型的互动式诊断，大幅度提升诊断效率。" 十年前可能需要 N 个小时的工作，现在喝一杯咖啡的时间就能完成。" 杨林说。

百万级数据集，打造病理 AI" 集大成者 "

2023 年，杨林团队正式从零开始打造系列 " 病理基座大模型 "。同年，团队发布首个成果——医学数据库 PathAsst，包含 130 亿参数、700 万医学文献。2024 年，团队连续发布 4 个病理基础大模型，并获得了领域顶级会议 MICCAI 2024 的青年科学家奖。

此次发布的统一模型 DeepPathAI，是杨林团队过往成果的 " 集大成者 "。

作为一种统一的病理图像分析人工智能模型，DeepPathAI 能同时处理显微镜下视野和全场扫描图像——打破了传统 AI 只能针对单一病种的局限。一次训练，即可适用于多种癌症和病理类型，如同一把 " 万能钥匙 "。

杨林团队病理大模型研究历程

之所以能快速精准判别不同癌症类型，主要是因为 DeepPathAI 结合了两种视觉系统，一种专注整体特征，另一种专注细节特征。同时，采用 " 从小到大 " 的学习策略，它先学习显微镜下视野图像，再学习全场图；并且能够模拟病理医生进行多尺度分析，既能看到细胞水平的变化，也能观察到组织层面的模式，实现了知识在不同癌症类型间的融合迁移，从而无需为每种癌症单独训练模型。

由 DeepPathAI 引发的变革正在悄悄发生。在新疆，搭载 DeepPathAI 的智能扫描系统可以将百万两癌筛查的人群阳性检出率提高 2 个百分点；在云南，搭载 DeepPathAI 的智能显微镜系统可以和广州实时交互，让偏远地区的患者也能获得及时诊断；在浙江松阳县，基层医院已开始体验大模型带来的便利 ......

让病理医生不再吃泡面

从 2003 年发表首篇 AI 辅助癌症诊断的论文开始，到 2025 年正式推出 DeepPathAI，病理 AI 这条路，杨林已经走了 20 余年。

2004 年，在美国新泽西癌症中心的实验室里，杨林第一次感受到了病理医生的日常——医生每天需要看海量的切片，往往一坐就是十几个小时。他开始思考：人工智能能否成为让医生减轻工作负担的临床好帮手？

当时的杨林，正在美国罗格斯大学读博士，师从计算机视觉泰斗 Peter Meer 和数字病理学先驱 David Foran。之后，杨林在新泽西癌症中心病理科和放射科做过两年助理教授，又在美国佛罗里达大学担任生物医学工程系、电子与计算机工程系、计算机系三系终身副教授，直到加入西湖大学工学院人工智能系，担任教授。

跨学科的经历，让杨林得以发现医生群体对数字病理的强烈需求。而他，想做那个能解决问题的人。

首届数智病理西湖峰会现场

在数智病理西湖峰会上，杨林分享了这样一个故事：在一次医院的交流拜访中，他看到一位病理科主任的办公室里堆满了方便面，只因常年需要等待冰冻切片至深夜。病理医生就是一群看似默默无闻，实则为病人付出全部的群体。" 我们努力的方向，就是让这样的病理医生晚上能早点回家，吃上一顿热饭。"

"AI 不会取代医生，但会重塑医疗场景。" 在杨林看来，技术终将回归服务本质——减轻医生负担，拓展诊疗边界，弥合医疗鸿沟。