（人民日報健康客戶端記者 韓金序）“醫療AI不能只告訴醫生‘是什麼’，還得說清‘為什麼’，幫助醫生為患者理清治療思路。”3月29日，重慶大學附屬腫瘤醫院智慧腫瘤學研究中心常務副主任蔡文立告訴人民日報健康客戶端記者。醫院於3月26日釋出的診療級病理大模型“靈眸”可識別9大器官57種腫瘤亞型，實現診斷推理過程全透明，為破解AI醫療“黑箱”難題提供新路徑。
診療級病理大模型“靈眸”操作介面。受訪者供圖
病理醫生被稱為“醫生的醫生”，其診斷是癌症確診的“金標準”。但病理醫生長期面臨人才缺口，基層醫院常因“看不準、看不快”導致治療延誤。釋出的大模型瞄準這一痛點，整合十年國內外中英文權勢鉅子文獻、百萬例病理影象，構建覆蓋細胞、組織及免疫組化分析的診療系統。其核心突破在於“透明化推理”——從染色質量評估到細胞形態分析，AI逐步展示診斷邏輯鏈，醫生可隨時追問依據，如同與專家實時會診。
蔡文立舉例說明，肺癌中的大細胞神經內分泌癌在病理切片上常與小細胞癌或低分化腺癌極為相似，但治療方案差異顯著。過去，醫生常常需要結合多種免疫組化標記、反覆查閱指南才能做出判斷；如今，醫療大模型可在數秒內完成亞型分類，並推薦匹配的治療方案，輔助醫生快速決議計劃。“模型首先識別切片來源的器官，比如胃、肺或乳腺，再根據細胞形態鎖定具體亞型。”
那麼醫療大模型是否會出現“算力幻覺”，誤導病理科醫生做出錯誤診斷？對此，蔡文立解釋道，“幻覺”的根源通常在於資料不完整或標註混亂，導致模型“孤陋寡聞”只能“猜測”結果。而“靈眸”透過引入高質量、海量的訓練資料，包括用於基座模型預訓練的過百萬例多器官、多癌種的高質量病理影象(WSI)資料，以及用於下游任務模型訓練的多器官、多癌種基於三級稽核機制資料標註的金標準資料集，使模型“見多識廣”，大幅降低了幻覺發生的機率。
在推理過程中，“靈眸”採用了全鏈路的幻覺抑制機制：包括前置內容過濾、中置生成監控以及後置結果審查，從多個層面最大限度壓制幻覺的產生。同時，“靈眸”內部並行執行多個子模型，模擬不同風格的“病理專家”，“如同進行一場專家‘會診’，結論需多數一致才輸出，最大限度降低誤判。”
經測試，“靈眸”在細胞病理識別中實現了99.5%的敏感度與82.6%的特異性，在組織病理方面，模型敏感度高達99.6%、特異性達83.5%，並具備95.8%的部位識別準確率，定量分析誤差率低於1%。這意味著，AI可幫助醫生快速排除大量無癌樣本，將精力集中於疑難病例，有效提升診療效率。
對於患者而言，靈眸病理大模型最大的價值在於提升了診斷的準確性和效率。“當AI診斷變得可解釋、可追溯，人機協作才能真正成為精準醫療的‘新引擎’。”蔡文立說。
（人民日報健康客戶端記者 韓金序）“醫療AI不能只告訴醫生‘是什麼’，還得說清‘為什麼’，幫助醫生為患者理清治療思路。”3月29日，重慶大學附屬腫瘤醫院智慧腫瘤學研究中心常務副主任蔡文立告訴人民日報健康客戶端記者。醫院於3月26日釋出的診療級病理大模型“靈眸”可識別9大器官57種腫瘤亞型，實現診斷推理過程全透明，為破解AI醫療“黑箱”難題提供新路徑。
診療級病理大模型“靈眸”操作介面。受訪者供圖
病理醫生被稱為“醫生的醫生”，其診斷是癌症確診的“金標準”。但病理醫生長期面臨人才缺口，基層醫院常因“看不準、看不快”導致治療延誤。釋出的大模型瞄準這一痛點，整合十年國內外中英文權勢鉅子文獻、百萬例病理影象，構建覆蓋細胞、組織及免疫組化分析的診療系統。其核心突破在於“透明化推理”——從染色質量評估到細胞形態分析，AI逐步展示診斷邏輯鏈，醫生可隨時追問依據，如同與專家實時會診。
蔡文立舉例說明，肺癌中的大細胞神經內分泌癌在病理切片上常與小細胞癌或低分化腺癌極為相似，但治療方案差異顯著。過去，醫生常常需要結合多種免疫組化標記、反覆查閱指南才能做出判斷；如今，醫療大模型可在數秒內完成亞型分類，並推薦匹配的治療方案，輔助醫生快速決議計劃。“模型首先識別切片來源的器官，比如胃、肺或乳腺，再根據細胞形態鎖定具體亞型。”
那麼醫療大模型是否會出現“算力幻覺”，誤導病理科醫生做出錯誤診斷？對此，蔡文立解釋道，“幻覺”的根源通常在於資料不完整或標註混亂，導致模型“孤陋寡聞”只能“猜測”結果。而“靈眸”透過引入高質量、海量的訓練資料，包括用於基座模型預訓練的過百萬例多器官、多癌種的高質量病理影象(WSI)資料，以及用於下游任務模型訓練的多器官、多癌種基於三級稽核機制資料標註的金標準資料集，使模型“見多識廣”，大幅降低了幻覺發生的機率。
在推理過程中，“靈眸”採用了全鏈路的幻覺抑制機制：包括前置內容過濾、中置生成監控以及後置結果審查，從多個層面最大限度壓制幻覺的產生。同時，“靈眸”內部並行執行多個子模型，模擬不同風格的“病理專家”，“如同進行一場專家‘會診’，結論需多數一致才輸出，最大限度降低誤判。”
經測試，“靈眸”在細胞病理識別中實現了99.5%的敏感度與82.6%的特異性，在組織病理方面，模型敏感度高達99.6%、特異性達83.5%，並具備95.8%的部位識別準確率，定量分析誤差率低於1%。這意味著，AI可幫助醫生快速排除大量無癌樣本，將精力集中於疑難病例，有效提升診療效率。
對於患者而言，靈眸病理大模型最大的價值在於提升了診斷的準確性和效率。“當AI診斷變得可解釋、可追溯，人機協作才能真正成為精準醫療的‘新引擎’。”蔡文立說。
（人民日報健康客戶端記者 韓金序）“醫療AI不能只告訴醫生‘是什麼’，還得說清‘為什麼’，幫助醫生為患者理清治療思路。”3月29日，重慶大學附屬腫瘤醫院智慧腫瘤學研究中心常務副主任蔡文立告訴人民日報健康客戶端記者。醫院於3月26日釋出的診療級病理大模型“靈眸”可識別9大器官57種腫瘤亞型，實現診斷推理過程全透明，為破解AI醫療“黑箱”難題提供新路徑。
診療級病理大模型“靈眸”操作介面。受訪者供圖
病理醫生被稱為“醫生的醫生”，其診斷是癌症確診的“金標準”。但病理醫生長期面臨人才缺口，基層醫院常因“看不準、看不快”導致治療延誤。釋出的大模型瞄準這一痛點，整合十年國內外中英文權勢鉅子文獻、百萬例病理影象，構建覆蓋細胞、組織及免疫組化分析的診療系統。其核心突破在於“透明化推理”——從染色質量評估到細胞形態分析，AI逐步展示診斷邏輯鏈，醫生可隨時追問依據，如同與專家實時會診。
蔡文立舉例說明，肺癌中的大細胞神經內分泌癌在病理切片上常與小細胞癌或低分化腺癌極為相似，但治療方案差異顯著。過去，醫生常常需要結合多種免疫組化標記、反覆查閱指南才能做出判斷；如今，醫療大模型可在數秒內完成亞型分類，並推薦匹配的治療方案，輔助醫生快速決議計劃。“模型首先識別切片來源的器官，比如胃、肺或乳腺，再根據細胞形態鎖定具體亞型。”
那麼醫療大模型是否會出現“算力幻覺”，誤導病理科醫生做出錯誤診斷？對此，蔡文立解釋道，“幻覺”的根源通常在於資料不完整或標註混亂，導致模型“孤陋寡聞”只能“猜測”結果。而“靈眸”透過引入高質量、海量的訓練資料，包括用於基座模型預訓練的過百萬例多器官、多癌種的高質量病理影象(WSI)資料，以及用於下游任務模型訓練的多器官、多癌種基於三級稽核機制資料標註的金標準資料集，使模型“見多識廣”，大幅降低了幻覺發生的機率。
在推理過程中，“靈眸”採用了全鏈路的幻覺抑制機制：包括前置內容過濾、中置生成監控以及後置結果審查，從多個層面最大限度壓制幻覺的產生。同時，“靈眸”內部並行執行多個子模型，模擬不同風格的“病理專家”，“如同進行一場專家‘會診’，結論需多數一致才輸出，最大限度降低誤判。”
經測試，“靈眸”在細胞病理識別中實現了99.5%的敏感度與82.6%的特異性，在組織病理方面，模型敏感度高達99.6%、特異性達83.5%，並具備95.8%的部位識別準確率，定量分析誤差率低於1%。這意味著，AI可幫助醫生快速排除大量無癌樣本，將精力集中於疑難病例，有效提升診療效率。
對於患者而言，靈眸病理大模型最大的價值在於提升了診斷的準確性和效率。“當AI診斷變得可解釋、可追溯，人機協作才能真正成為精準醫療的‘新引擎’。”蔡文立說。
（人民日報健康客戶端記者 韓金序）“醫療AI不能只告訴醫生‘是什麼’，還得說清‘為什麼’，幫助醫生為患者理清治療思路。”3月29日，重慶大學附屬腫瘤醫院智慧腫瘤學研究中心常務副主任蔡文立告訴人民日報健康客戶端記者。醫院於3月26日釋出的診療級病理大模型“靈眸”可識別9大器官57種腫瘤亞型，實現診斷推理過程全透明，為破解AI醫療“黑箱”難題提供新路徑。
診療級病理大模型“靈眸”操作介面。受訪者供圖
病理醫生被稱為“醫生的醫生”，其診斷是癌症確診的“金標準”。但病理醫生長期面臨人才缺口，基層醫院常因“看不準、看不快”導致治療延誤。釋出的大模型瞄準這一痛點，整合十年國內外中英文權勢鉅子文獻、百萬例病理影象，構建覆蓋細胞、組織及免疫組化分析的診療系統。其核心突破在於“透明化推理”——從染色質量評估到細胞形態分析，AI逐步展示診斷邏輯鏈，醫生可隨時追問依據，如同與專家實時會診。
蔡文立舉例說明，肺癌中的大細胞神經內分泌癌在病理切片上常與小細胞癌或低分化腺癌極為相似，但治療方案差異顯著。過去，醫生常常需要結合多種免疫組化標記、反覆查閱指南才能做出判斷；如今，醫療大模型可在數秒內完成亞型分類，並推薦匹配的治療方案，輔助醫生快速決議計劃。“模型首先識別切片來源的器官，比如胃、肺或乳腺，再根據細胞形態鎖定具體亞型。”
那麼醫療大模型是否會出現“算力幻覺”，誤導病理科醫生做出錯誤診斷？對此，蔡文立解釋道，“幻覺”的根源通常在於資料不完整或標註混亂，導致模型“孤陋寡聞”只能“猜測”結果。而“靈眸”透過引入高質量、海量的訓練資料，包括用於基座模型預訓練的過百萬例多器官、多癌種的高質量病理影象(WSI)資料，以及用於下游任務模型訓練的多器官、多癌種基於三級稽核機制資料標註的金標準資料集，使模型“見多識廣”，大幅降低了幻覺發生的機率。
在推理過程中，“靈眸”採用了全鏈路的幻覺抑制機制：包括前置內容過濾、中置生成監控以及後置結果審查，從多個層面最大限度壓制幻覺的產生。同時，“靈眸”內部並行執行多個子模型，模擬不同風格的“病理專家”，“如同進行一場專家‘會診’，結論需多數一致才輸出，最大限度降低誤判。”
經測試，“靈眸”在細胞病理識別中實現了99.5%的敏感度與82.6%的特異性，在組織病理方面，模型敏感度高達99.6%、特異性達83.5%，並具備95.8%的部位識別準確率，定量分析誤差率低於1%。這意味著，AI可幫助醫生快速排除大量無癌樣本，將精力集中於疑難病例，有效提升診療效率。
對於患者而言，靈眸病理大模型最大的價值在於提升了診斷的準確性和效率。“當AI診斷變得可解釋、可追溯，人機協作才能真正成為精準醫療的‘新引擎’。”蔡文立說。
（人民日報健康客戶端記者 韓金序）“醫療AI不能只告訴醫生‘是什麼’，還得說清‘為什麼’，幫助醫生為患者理清治療思路。”3月29日，重慶大學附屬腫瘤醫院智慧腫瘤學研究中心常務副主任蔡文立告訴人民日報健康客戶端記者。醫院於3月26日釋出的診療級病理大模型“靈眸”可識別9大器官57種腫瘤亞型，實現診斷推理過程全透明，為破解AI醫療“黑箱”難題提供新路徑。
診療級病理大模型“靈眸”操作介面。受訪者供圖
病理醫生被稱為“醫生的醫生”，其診斷是癌症確診的“金標準”。但病理醫生長期面臨人才缺口，基層醫院常因“看不準、看不快”導致治療延誤。釋出的大模型瞄準這一痛點，整合十年國內外中英文權勢鉅子文獻、百萬例病理影象，構建覆蓋細胞、組織及免疫組化分析的診療系統。其核心突破在於“透明化推理”——從染色質量評估到細胞形態分析，AI逐步展示診斷邏輯鏈，醫生可隨時追問依據，如同與專家實時會診。
蔡文立舉例說明，肺癌中的大細胞神經內分泌癌在病理切片上常與小細胞癌或低分化腺癌極為相似，但治療方案差異顯著。過去，醫生常常需要結合多種免疫組化標記、反覆查閱指南才能做出判斷；如今，醫療大模型可在數秒內完成亞型分類，並推薦匹配的治療方案，輔助醫生快速決議計劃。“模型首先識別切片來源的器官，比如胃、肺或乳腺，再根據細胞形態鎖定具體亞型。”
那麼醫療大模型是否會出現“算力幻覺”，誤導病理科醫生做出錯誤診斷？對此，蔡文立解釋道，“幻覺”的根源通常在於資料不完整或標註混亂，導致模型“孤陋寡聞”只能“猜測”結果。而“靈眸”透過引入高質量、海量的訓練資料，包括用於基座模型預訓練的過百萬例多器官、多癌種的高質量病理影象(WSI)資料，以及用於下游任務模型訓練的多器官、多癌種基於三級稽核機制資料標註的金標準資料集，使模型“見多識廣”，大幅降低了幻覺發生的機率。
在推理過程中，“靈眸”採用了全鏈路的幻覺抑制機制：包括前置內容過濾、中置生成監控以及後置結果審查，從多個層面最大限度壓制幻覺的產生。同時，“靈眸”內部並行執行多個子模型，模擬不同風格的“病理專家”，“如同進行一場專家‘會診’，結論需多數一致才輸出，最大限度降低誤判。”
經測試，“靈眸”在細胞病理識別中實現了99.5%的敏感度與82.6%的特異性，在組織病理方面，模型敏感度高達99.6%、特異性達83.5%，並具備95.8%的部位識別準確率，定量分析誤差率低於1%。這意味著，AI可幫助醫生快速排除大量無癌樣本，將精力集中於疑難病例，有效提升診療效率。
對於患者而言，靈眸病理大模型最大的價值在於提升了診斷的準確性和效率。“當AI診斷變得可解釋、可追溯，人機協作才能真正成為精準醫療的‘新引擎’。”蔡文立說。
