文/解放军总医院海南分院 张震江 宋志刚

　　与电子病历系统中的其他组成部分不同，病理信息系统一直处于医院信息化建设的较边缘地带，受关注程度不高，但近来有不断升温的趋势。

　　通常来说，病理信息系统主要功能包括病理图像存储管理、病理报告管理以及业务流程的质控管理三大部分，并通过软件接口与电子病历系统中的其他系统进行信息交互。病理信息系统在提高病理科工作效率、降低标本差错率及病理教学及科研方面起到了巨大作用。近些年来，国内外一些医疗机构和科研团队不断探索新技术在病理信息化领域方面的应用，促使病理信息系统的智能化趋势越来越明显。

　　数字切片技术是病理信息系统智能化的基础，利用该技术可以将病理切片以高分辨率模式转化为数字图像进行存储，早期实现方法是多次拍照进行拼接，现在多是通过高分辨率数字感光元件一次扫描完成。在计算机上可以查看数字切片不同倍数的图像信息，如同在显微镜下观察到的一样。目前数字切片最大倍数图像的像素点可以达到0.2微米，国内外已有较成熟的数字切片扫描系统。

　　数字切片具有很广泛的应用领域，且具有十分明显的优势，例如数字切片可供多人同时观察、可远程传输用于远程诊断、通过扫描荧光切片可以克服其易褪色不能长久保存的缺点等。建立数字切片库可用于科研、教学以及临床辅助决策，国内也有部分省市已经建立了一定规模的切片库。但是由于数字切片扫描系统造价高、所需的数据存储空间巨大，每张数字切片占用存储空间从数百MB到几GB不等，因此一直没有得到很好的普及。

　　有了高分辨率数字切片，下一步可通过图像识别技术进行切片分析。在病理科日常工作中，诊断医师从低倍到高倍多视野找寻形态异常的细胞组织，需耗费大量时间。例如进行结核病诊断，需要在全片中寻找抗酸杆菌，一张组织较多抗酸染色切片所需阅片时间甚至大于1个小时，即使再仔细也有一定的漏诊率。基于细胞的形态学特征及染色后异常细胞的颜色特征，我们可以利用信息化手段对数字切片进行快速分析，只将计算机认为“有问题”的视野图像提交给医师进行人工辨识，这样可以极大提高诊断医师的工作效率，同时降低漏诊率。

　　其实在整张切片中寻找某种具有显著特征的成分只是病理诊断工作中较小的一部分，更多的是基于不同形态细胞的组合、细胞不同的排列方式、甚至切片外的各类信息进行综合分析得出诊断。然而同一种形态的细胞本质上可能是完全不同类型的细胞，而不同形态的细胞本质上又有可能是相同类型的细胞。每一个病变中都有病变的主体细胞及多种类型的背景细胞。由于染色技术的原因，同一个病例两次染色的颜色也会有所差异，这无疑增加了基于形态学进行图像识别的难度。例如，某种分化差的癌细胞、高度恶性的肉瘤、恶性黑色素瘤和大细胞淋巴瘤表现的形态都是某种特征的大细胞，医师要根据不同的排列形式、背景细胞、取材部位、临床病史甚至年龄、性别等因素进行诊断。

　　人类从事病理诊断的过程，实际上是从切片图像中提取各种不同的形态特点，再结合各种切片外的信息，将各种信息总结在一起与各种疾病的特点进行比对并逐一排除的过程，其本质是人脑对各类信息的处理过程。只是随着经验的增加，大部分病例可能凭直觉就能诊断。虽然目前基于形态学的图像识别与真实的病理诊断复杂度具有较大差距，但是不论难度多大，可以肯定的是利用病理形态识别技术辅助病理诊断是病理信息系统智能化的发展方向之一。

　　早期的“深蓝”系统战胜国际象棋世界冠军依靠的是快速并行计算，而AlphaGo战胜世界顶级的人类围棋选手，以及IBM的Watson在美国电视问答节目《Jeopardy》打败人脑依靠的却是人工智能技术，机器是能够不断学习的，而且效率很高，容量很大。数字化的病理图像与人类智慧的结晶——病理诊断结果构成了海量的信息资源，通过不断学习，病理信息系统同样可以建立知识库并拥有“智慧”。

　　考察人类医师出具诊断的过程，首先是在低倍镜下根据细胞形状或颜色大致选择可疑视野，再进一步放大倍率进行重点观察，如遇复杂情况人类医师会利用其丰富的经验快速判断并发现异常细胞，在无法明确诊断的情况下还会参考高级别诊断医师的意见。上述过程中，可以通过基于形态学的图像识别技术进行视野筛选，再利用信息系统知识库模拟人类医师依经验进行分析诊断，最终将诊断结果建议与相应的图像视野提交给医师进行复核，甚至为进一步的免疫组化分析提供抗体试剂选择，从而完成智能化的病理诊断辅助决策。

　　这种依靠人工智能技术提供病理诊断建议的场景非常适用于基层医疗机构，即使有很好的包埋切片技术，医师的诊断知识也不够丰富。因此如果能够方便地将切片交给计算机去处理，根据从网络下载的知识库进行分析，就能够辅助基层医疗机构的医师进行诊断判断，同时提高其病理诊断水平。

　　病理诊断需要一定的指征，例如目前已知的甲状腺乳头状癌的主要指征包括：细胞核增大、明显核沟、核内包涵体的形成、多级乳头形成、沙砾体形成等。各类肿瘤的指征指标各不相同，甚至要结合某些免疫组化结果，这些都是经过病理专业人员漫长的摸索和研究得到的。

　　依赖于大数据技术，我们可以利用其快速计算、海量数据分析的能力，结合形态学图像识别技术，对同一类疾病的数字切片进行分析，完全有可能发现针对该疾病的新的、更具诊断意义的指征指标，甚至推翻以前的指征指标。