杨文圣教授:病理诊断正从描述性学科走向预测性学科
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”
杨文圣教授认为,病理诊断正从传统病理向分子病理转型,通过分层推进、资源整合和人才先行的策略,结合AI辅助诊断和多组学整合,未来将实现从描述性学科到预测性精准医学学科的跨越。AI将在细胞学筛查、组织切片快速初筛、免疫组化标准化判读和病理全流程质量控制中率先落地。
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”
8分钟前 医悦汇 医悦汇 发表于上海
【医悦汇】对话大咖栏目特邀厦门大学附属成功医院杨文圣教授,结合分子诊断经验与科室管理实践,描绘病理诊断的未来图景。
编者按
从“传统病理”到“分子病理”,从AI辅助诊断到液体活检、空间转录组、多组学整合,病理诊断正从描述性学科走向预测性学科。病理科如何完成转型?AI究竟是助手还是对手?
【医悦汇】对话大咖栏目特邀厦门大学附属成功医院杨文圣教授,结合分子诊断经验与科室管理实践,描绘病理诊断的未来图景。
医悦汇:作为病理科行政主任,您如何推动科室从“传统病理”向“分子病理”转型?在技术平台有限的情况下,如何平衡常规诊断工作与前沿分子检测的需求?
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。
医悦汇:从您的实践经验来看,AI在病理诊断中最有可能率先实现落地的场景是什么?在您看来,病理科医生应如何与AI形成“人机协作”的工作模式,而非被其替代?
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。
医悦汇:未来3-5年,您认为肿瘤病理诊断领域最值得期待的突破方向是什么?
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。
写在后面
从分子分型的标杆意义,到“分层推进、资源整合、人才先行”的转型路径,再到AI辅助诊断的四大落地场景与未来三至五年的四大突破方向,杨文圣教授为我们勾勒出病理学科从“描述性”迈向“预测性”的清晰轨迹。AI是助手而非对手,分子是方向而非终点。当液体活检、空间转录组、多组学整合逐渐成熟,病理报告将不再只回答“是什么病”,更要回答“会怎么发展”和“用什么药最有效”。病理科,正从精准诊疗的“定盘星”走向核心枢纽。
版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
来源:梅斯医学·临床资讯 · news.medsci.cn
