人工智能+医疗成为近年来的行业热点，计算机技术与医疗服务的跨界合作为未来的行业发展提供了全新维度。人工智能主要应用于医疗领域的疾病诊断、医疗辅助、医药开发等方面，具体包括病理诊断、影像诊断、语音识别、健康管理、可穿戴设备、医院管理、精神健康、药物挖掘、生物技术等细分领域。病理诊断领域由于数据量大、对医生要求高等特性成为人工智能在医药行业率先领域应用的重要细分领域之一。
病理AI是通过人工智能算法，对数字化的病理切片进行诊断。目前较为典型的应用就是DNA倍体检测，人体正常细胞为2倍体，分裂过程中的细胞处于2-4倍体状态，而肿瘤细胞会出现显著异常的DNA含量，出现4倍体以上的异常DNA倍体细胞，通过对异常DNA倍体细胞的检测，就可以知道样本是否存在突变的细胞，在肿瘤的早期诊断中有较好的应用，能够有效提升诊断效率，提供标准化、数量化的检验指标。
引入AI辅助甚至替代人工进行一些常规的病理诊断及癌症筛查，能够有效弥补人工诊断效率低、病理医生不足、缺乏统一质控管理等问题。
病理AI开发过程主要包括有效数据的采集积累，基于有效数据的算法开发、模型训练，以及医院、第三方检验相关场景的应用。数据基础包括相关硬件设备生产商和医院、第三方检验机构，算法开发涉及权威的病理专家集团、智能算法开发企业等，AI应用场景回归到医院病理科及第三方检验机构。针对下游不同医疗应用场景和病理诊疗特点，开发不同的算法辅助医生诊断，并随着数据量的扩充和下游需求持续更新。
有效数据的积累是现阶段病理AI算法开发关键。目前产业仍处于发展初期，有效数据的积累是进入下一阶段的关键。国内大部分医疗数据存储于医院以及第三方检验机构，一方面，医院内部的临床数据中心建立尚不完善，医院内部数据互联互通程度和共享程度尚低，医疗数据涉及病人隐私，共享机制和规范缺乏；另一方面，第三方检验机构具有较好的数据资源积累，但不同检验机构由于相关设备、软件的差异，数据标准化程度各不相同，往往基于自身掌握的数据资源进行算法开发。
病理AI同时隶属于AI+医疗行业，2018年我国AI+医疗市场规模有望达到200亿元，近年来保持高速增长。病理AI属于AI+医疗领域的医学影像诊断细分领域，应用于疾病的诊疗环节，主要适用的技术包括数字化成像、图像识别、人工智能算法等，是人工智能结合医疗行业的重要分支。根据中国数字医疗网统计，2016年我国AI+医疗行业规模为96.61亿元，同比增长122.09%；2017年达130亿元，同比增长34.56%，2018年我国AI+医疗行业有望达200亿的市场规模，同比增长53.85%。
宫颈癌筛查是当前病理AI中应用最广泛的检测场景。根据中国癌症中心统计数据，宫颈癌位居女性癌症发病率第六位，是最常见的妇科高发恶性肿瘤之一。通过病理薄层细胞学检测或HPV检测可有效进行早诊早治。由于其可通过定期筛查预防、需求量大、病例数据积累较多等特点，成为病理AI率先布局领域，我们以宫颈癌为代表测算细胞病理筛查宫颈癌的市场空间：21–65岁女性均需进行宫颈癌定期筛查，我国适龄女性人口在4亿人左右。以每人年均0.5次宫颈癌液基薄层细胞学检查（TCT）检查计算，宫颈癌细胞病理筛查潜在市场规模约为442亿元，这为病理AI进行宫颈癌筛查提供了广阔发展空间。
目前国内AI病理行业主要由上游的硬件设备、试剂生产商，中游的病理专家和智能算法软件开发企业，以及下游的医院、疾控中心和独立实验室等应用终端构成。
病理AI上游企业以安必平、鸿琪科技、福怡股份为代表，主要提供病理检测试剂及病理智能诊断标准化前处理设备等服务。中游企业如迪英加、视见科技、图玛深维等在病理、影像、放疗诊疗领域具备成熟医学影像分析软件平台，拥有相关核心算法与技术实力。2018年由阿里健康牵头，兰丁高科、图玛深维等12家医疗健康AI企业共同建立面向医疗AI行业的第三方人工智能开放平台。医院以及金域医学、华银健康等第三方检测平台等构成了病理AI行业下游的应用终端，通过提供海量临床病理数据与产业链上游企业密切合作，进一步推进病理诊断的信息化、自动化和智能化。
此外，兰丁高科及麦克奥迪通过全方位打造从硬件设备、全自动智能化诊断筛查系统到第三方病理诊断中心，实现了一站式病理诊断服务的全覆盖。兰丁高科依托其自主研发的病理诊断设备、病理AI系统、病理专家团队、第三方实验室网点，完成完整的商业闭环，公司于2018年实现了6个月内完成37万例“互联网+人工智能”宫颈癌筛查项目。麦迪医疗是麦克奥迪全资子公司，主营产品及业务包括病理切片数字化扫描与应用系统、数字病理远程专家诊断、细胞DNA定量分析系统（用于癌症早期筛查）及相关诊断耗材的技术支持与医疗诊断服务。
AI病理诊断技术能够实现自动化诊断，大幅缩短医生的工作量，但由于目前技术所限，在病理样本采集、图像数据处理及结果判读上仍有大量亟待解决的技术难点。一旦条件稍有偏差，诊断结果或谬以千里，仍需进行大规模多中心的临床验证以保证其准确性。因此，AI诊断的结果最终的结果仍需病理医生审核，并结合其他临床资料进行综合确诊。AI诊断的结果能够辅助诊疗，但无法完全替代病理医生的作用。
多环节影响病理AI诊断准确性。样本采集制片是病理AI诊断的首要环节，其成片质量直接决定后续图像质量的高低及结果判读的准确性。不同染色制片硬件设备、制片方法以及批次间质控的稳定性决定了成片是否满足后续分析要求。数据处理是将病理成片转化为图像数据并进行处理的过程。大临床样本数据平台保证了AI训练样本的广泛性和代表性，图像抓取质量校正以及AI诊断算法的开发优化是病理AI准确性得以不断提升的核心要素。
病理AI在小范围试验的训练结果并不能完全代表其真正的诊断能力，而诊断标准也会随着不同病理医生的结果判读而变化。所有病理AI技术在真实临床落地应用前，都需要经过严格的随机对照研究和多中心的临床试验进行验证，才能真正作为评判手段和标准。
人工智能算法图像识别能力不断提升，算法发展为病理AI打下坚实基础。2012年，深度学习模型首次被应用在图像识别大赛（ImageNet），算法错误率降至16.4%，获得当年冠军。2015年，微软通过152层的深度网络，将图像识别错误率降至3.57%，表现已经优于人眼5.1%左右的错误率。2017年ImageNet挑战赛中，Momenta团队利用SENet架构夺冠，模型已达到2.251%的错误率。人工智能图像识别能力的不断提升将推动人工智能病理诊断获得快速发展。
在医疗影像领域已有多个团队成功开发人工智能诊断算法。谷歌、上海交通大学、浙江大学等科技企业及高校在医疗影像诊断的相关具体疾病检测方面已成功开发出媲美人工诊断准确率的AI算法，AI的诊断速度及准确率能够达到或接近人工水平。随着各病种数据库、算法的不断完善，AI诊断将在医疗诊断中发挥重要作用。
病理AI的问世将有效的解决我国病理医生短缺的问题，满足基层的病理诊断需求。临床病理大数据平台以及AI算法开发优势是病理AI企业抢占市场并在竞争中保持领先地位的核心能力。同时，在国家政策大力支持下，人工智能被列入国家发展战略，人工智能+医疗成为新技术结合传统产业的重点维度。