AI病理落地加速：瑞金医院联合华为云推出RuiPath2.0大模型

　　病理诊断被称为癌症诊断的 “金标准”，肿瘤分型、分期、治疗方案制定，都高度依赖病理切片分析结果新华网。但国内病理医疗资源长期存在结构性失衡：注册病理医生缺口巨大，优质人才高度集中于大型三甲医院，大量县域、基层医疗机构病理诊断能力薄弱。不少基层患者怀疑罹患肿瘤后，只能奔波前往大城市做病理会诊，既增加就医成本，也容易错失癌症早期诊疗窗口。医疗 AI 尤其是病理大模型，成为补齐基层诊疗短板、推动优质医疗资源下沉的重要突破口。

　　近期，在 “数智共生・云惠病理”2026 医疗人工智能创新论坛上，上海交通大学医学院附属瑞金医院与华为云正式联合发布瑞智病理 RuiPath 2.0 病理大模型，7B 参数基础版本完成五大维度能力升级，同步推出轻量化部署版本，目前已经在全国 90 余家医院落地临床使用，标志国内病理 AI 正式走出实验室，进入规模化临床生产应用阶段。

　　7B 病理大模型迭代升级，兼顾诊断广度与可解释性

　　RuiPath 2.0 整体为 7B 参数病理专用大模型，相比上一代产品，诊断任务规模实现翻倍增长，可覆盖19 个国内高发常见癌种，共计 205 项病理诊断任务，能够覆盖病理医生 90% 以上日常临床诊断场景，覆盖国内绝大多数高发肿瘤类型。

　　不同于很多 AI 模型只输出一个诊断结论，RuiPath 2.0 重点强化 AI 诊断的可解释能力，可针对组织学亚型、肿瘤浸润深度、核分裂象等关键指标给出可视化标识，病灶位置、判断依据可追溯，解决过去 AI 病理 “只给结果、不讲依据” 的行业痛点，方便病理医生复核校验，适配医院真实诊疗流程。

　　针对临床普遍存在的罕见病理样本数量少、模型训练困难的难题，项目团队引入多模态生成式技术合成病理训练数据，补齐罕见病种样本短板。在淋巴瘤鉴别诊断测试当中，模型准确率达到 96.48%;在 59 项下游病理诊断任务中，有 42 项取得行业 SOTA 顶尖水平，综合性能对标甚至超越海外同类病理大模型。

　　为适配基层医院硬件条件，项目同步推出轻量化 Edge 版本。轻量化小模型无需高端算力服务器，普通医院 PC 电脑即可本地部署运行，采用云端 + 本地端云协同架构，实现分钟级推理输出结果，大幅降低基层医院引入 AI 病理的硬件门槛，不用大规模更新机房设备，就可以接入大模型辅助诊断能力。

　　依托华为云智慧医疗 AI 使能平台，各家医院还可以基于 RuiPath 2.0 底座，导入本院病理数据做小样本微调，仅需要传统训练 10% 左右的数据量，就可以迭代适配本院病理制片习惯的专属病理 AI 模型，适配不同医院切片染色、制片的差异化现状，缓解跨医院数据域偏移问题。

　　落地 90 余家医院，让三甲级病理能力下沉县域临床

　　宁光院士表示，建设病理大模型，目的不是在三甲医院构建技术壁垒，而是搭建通向基层的技术通道，把顶尖医院沉淀的病理诊断经验，转化为基层医院可以便捷使用的标准化工具，实现医疗 AI 普惠。

　　过去病理 AI 落地最大阻碍，除了模型精度，就是部署成本高、实施周期长，基层医院难以承担整套数字病理系统采购投入。RuiPath 2.0 采用云边协同的建设模式，医院仅需要配置数字切片扫描设备，现有普通电脑就可以完成本地轻量化推理，网络带宽需求大幅下降，以订阅模式替代传统一次性重金采购，显著降低基层医院投入压力，实现快速上线使用。

　　目前该大模型已经落地重庆、浙江、河北、云南等全国 90 余家各级医疗机构，包含地市级中心医院以及多家县级基层医院。部分医院已经形成 “AI 夜间初筛，白天病理医生复核” 全新工作流程：AI 自动扫描数字切片，标记可疑病灶区域，输出初步参考意见，病理医生重点复核 AI 标记高危位置，大量减少重复阅片、信息录入工作，缓解基层病理人员不足的压力。

　　对于普通患者而言，最直观的改变在于，很多县域医院本地就可以完成肿瘤病理初筛，不用长途奔赴省会三甲送检切片，在家门口即可享受接近三甲水准的 AI 辅助病理筛查，把握住癌症早诊早治黄金窗口。

　　医疗大模型的现实启示：垂直落地远比参数竞赛更重要

　　纵观 AI 行业发展，通用大模型不断刷新参数记录，但医疗属于强监管、高风险垂直领域，单纯堆砌参数并不能直接解决临床痛点。瑞智病理 RuiPath 2.0 给医疗 AI 赛道提供了可参考路径：立足真实临床业务，兼顾模型性能、可解释性、硬件适配、医院成本承受能力，解决从实验室演示走向常态化看病的一系列现实障碍。

　　当然病理 AI 依旧定位是医生辅助工具，不能替代病理医师最终诊断。AI 负责初筛、标记病灶、提供参考意见，最终诊断报告依旧由执业病理医生审核签发。现阶段依旧面临基层切片样本质量参差不齐、不同地区病理操作标准差异、医疗数据合规安全、商业化支付体系待完善等一系列待解决问题。

　　从长远来看，病理大模型的规模化落地，是人工智能 + 医疗行动的典型缩影。未来随着更多垂直医疗大模型持续迭代，技术将持续弥合区域医疗资源鸿沟，让优质医疗能力下沉到更多基层医疗机构，惠及更广泛人群。