BMC综述：AI赋能病理诊断的效能评估与临床展望
伴随数字病理与人工智能技术的飞速演进，AI在组织及细胞病理领域的应用愈发普及。尽管如此，虽然众多原始研究证实了AI在肿瘤筛查、分级及预后判断上的高精准度，但其临床落地仍受制于方法学质量参差不齐、外部验证缺失等挑战。本研究依托一项伞形综述，系统整合了6项系统综述与Meta分析的数据，旨在评估AI在病理诊断中的准确度及其临床转化前景。结果表明，特别是深度学习模型在前列腺癌、淋巴瘤、黑色素瘤、胶质瘤分级以及宫颈癌淋巴结转移等任务中展现出卓越性能，敏感性与特异性均超过95%，部分场景下甚至媲美资深病理专家。不过，
我院自研两款智能体正式入驻卫健委平台
近日，我院自主研发的“医技检查智能报告纠错”及“病理诊断符合”两款智能体，成功登陆南京市卫健委“人工智能+医疗健康”应用共享服务平台，现已对外共享使用。此次上线的两款医疗智能体，核心致力于提升临床医技及病理诊断报告的质量。系统能自动逐字校验报告内容，精准识别语法错误、数值异常及描述矛盾等隐患，对关键遗漏处进行高亮标注，从源头规避人为疏漏，从而显著提升报告质量。该智能体可自动匹配患者同一病灶的影像与病理报告，智能对比病灶位置、大小、形态及良恶性等关键信息，自动判定病理一致性并标记差异，有效提升诊断的可靠性。
2026病理年会AI虚拟染色技术进展与临床应用展望
随着数字病理与人工智能技术的协同发展，AI虚拟染色已成为引领病理诊断革新的核心技术之一。在2026年病理年会"数字病理与人工智能"分论坛上，厦门大学王连生教授在《AI病理虚拟染色新进展》报告中，系统展示了AI虚拟染色技术的多项创新成果——无需繁琐的实验操作即可直接生成高水准的病理影像。2026病理年会厦门大学王连生教授专题演讲现场PART ONE研究背景与临床意义虚拟染色与传统化学染色虚拟染色技术借助深度学习算法，直接将一种染色方式的病理图像（如H&E染色）转化为其他类型染色的图像（如IHC染色）
AI医疗发展全景
1.1 AI技术发展脉络1.1.1 AI演进历程自1956年人工智能（Artificial Intelligence, AI）概念被提出以来，领域内陆续涌现出一批备受关注的研究突破。人工智能早期的进展显著提高了人们对其的期待，但受限于当时的技术水平，许多充满想象力的目标仍难以真正落地。1974~1980年以及1987~1993年，人工智能先后进入两段相对低谷期，不过这一阶段仍不断出现重要成果。例如20世纪70年代诞生的专家系统（Expert System，ES），可以借助人类专家的知识与经验解决相关问题，