AI醫(yī)療的“理想”與“現(xiàn)實(shí)”
AI在醫(yī)療領(lǐng)域的應(yīng)用呼吁了很多年，頂級(jí)期刊論文層出不窮，動(dòng)輒就是“超越人類水平”的標(biāo)題出現(xiàn)。然而，在現(xiàn)實(shí)醫(yī)院應(yīng)用場(chǎng)景中，為什么大規(guī)模和全流程落地的AI應(yīng)用卻是鳳毛麟角？
從學(xué)術(shù)突破到AI工程化的應(yīng)用落地，存在著巨大的鴻溝。這不僅是算法問題，更是認(rèn)知、數(shù)據(jù)、算力、工程四大鴻溝的疊加。
過去病理小模型的傳統(tǒng)訓(xùn)練，3年通常僅能完成5-6個(gè)輔助診斷任務(wù)上線。然而，近期一次學(xué)術(shù)和產(chǎn)業(yè)的碰撞打破了僵局。瑞金醫(yī)院在與華為合作后，一個(gè)覆蓋19大常見癌種、100+輔助診斷任務(wù)的臨床級(jí)多模態(tài)病理大模型RuiPath橫空出世。
這背后，究竟發(fā)生了什么？
不止于“快”，更是“廣”與“深”的革命
在瑞金醫(yī)院，聯(lián)合團(tuán)隊(duì)以前所未有的效率，覆蓋19大常見癌種，從“廣撒網(wǎng)”到“精捕撈”，讓AI能力不再局限于少數(shù)幾個(gè)病種。
醫(yī)生不再是簡單的“看圖識(shí)癌”。模型支持從“有沒有癌”的初篩，到“腫瘤分型分級(jí)”的判斷，實(shí)現(xiàn)了診前、診中的流程覆蓋。
模型支持對(duì)每一個(gè)感興趣區(qū)域（ROI）進(jìn)行深度病理對(duì)話。醫(yī)生可以像與一位資深病理專家對(duì)話一樣，探究診斷細(xì)節(jié)。這不僅是一個(gè)輔助工具，更是一位“數(shù)字病理專家”。
模型訓(xùn)練改變了以往海量切片數(shù)據(jù)人工標(biāo)注的方法，通過RuiPath與AI全流程工具鏈，病理醫(yī)生只需要進(jìn)行數(shù)據(jù)審核，就可以快速進(jìn)行輔助診斷任務(wù)的訓(xùn)練。
跨越AI醫(yī)療落地的四重鴻溝
鴻溝一：認(rèn)知鴻溝——來自頂級(jí)企業(yè)的AI科學(xué)大腦，對(duì)話無影燈下的醫(yī)學(xué)圣手
AI科學(xué)家不懂臨床的真實(shí)痛點(diǎn)和復(fù)雜流程；醫(yī)學(xué)專家不理解AI的能力邊界和實(shí)現(xiàn)路徑。雙方“雞同鴨講”，需求與方案錯(cuò)配。
瑞金&華為的解法：雙向奔赴的醫(yī)工融合。
頂尖人才的化學(xué)反應(yīng)：這不是簡單的項(xiàng)目合作，而是“混編軍團(tuán)”。華為派出CMU、北大等頂尖背景的算法博士、AI專家，與瑞金醫(yī)院的臨床醫(yī)學(xué)博士、主任級(jí)專家組成聯(lián)合團(tuán)隊(duì)，擰成一股繩，合成一股力。
場(chǎng)景驅(qū)動(dòng)的方案設(shè)計(jì)：AI專家深入科室，理解病理醫(yī)生從切片制作、閱片、診斷到報(bào)告的全流程。醫(yī)學(xué)專家則將幾十年的臨床知識(shí)和診斷邏輯，轉(zhuǎn)化為AI可以理解的“語言”。最終，設(shè)計(jì)出的數(shù)據(jù)方案和算法模型，是真正“從臨床中來，到臨床中去”的。
鴻溝二：數(shù)據(jù)鴻溝——當(dāng)AI需要“標(biāo)準(zhǔn)食材”，醫(yī)院卻只有“生鮮集市”
醫(yī)院數(shù)據(jù)量大、格式不一，不僅需要切分，還要考慮語料庫配比。數(shù)據(jù)清洗、標(biāo)注、歸集，往往耗費(fèi)項(xiàng)目80%的時(shí)間和精力。
瑞金&華為的解法：高瞻遠(yuǎn)矚的數(shù)字基建。
瑞金的“先見之明”：瑞金醫(yī)院過去三年持續(xù)推動(dòng)數(shù)字化建設(shè)，積累了上百萬份高質(zhì)量的病理切片數(shù)據(jù)，這為大模型提供了最寶貴的“養(yǎng)料”。
統(tǒng)一標(biāo)準(zhǔn)的力量：病理圖片引入統(tǒng)一的CSP格式，避免了繁瑣的格式轉(zhuǎn)換和版本管理。PIS系統(tǒng)中的高價(jià)值知識(shí)也被高效歸集。過去需要數(shù)月的數(shù)據(jù)準(zhǔn)備工作，現(xiàn)在被大大縮短。
華為工具鏈的“神助攻”：ModelEngine AI全流程工具鏈，實(shí)現(xiàn)了數(shù)據(jù)的全流程自動(dòng)化處理。醫(yī)生不再是“標(biāo)注工”，而是“審核官”，從逐條標(biāo)注變?yōu)榕繉徍?，效率提升了?shù)十倍，也保證了標(biāo)注的專業(yè)性。同時(shí)通過應(yīng)用Agent，實(shí)現(xiàn)應(yīng)用系統(tǒng)接口的自動(dòng)對(duì)接和病理模板的自動(dòng)生成，應(yīng)用上線周期從10天縮短至2天。
鴻溝三：算力鴻溝——當(dāng)“萬億參數(shù)”的大模型，遇到醫(yī)院“有限的機(jī)房”
學(xué)術(shù)界或大廠做研究，動(dòng)輒使用百卡、千卡集群。而醫(yī)院的核心使命是治病救人，IT資源極其有限，不可能為AI研究投入巨額硬件成本。
瑞金&華為的解法：讓頂尖AI飛入尋常醫(yī)院的“普惠”之道。
挑戰(zhàn)與現(xiàn)實(shí)：瑞金醫(yī)院只有16張算力卡。如何在這種“有限火力”下，運(yùn)行并訓(xùn)練復(fù)雜的病理大模型？
華為的“黑科技”：
模型蒸餾：將學(xué)習(xí)過300多本病理專科書籍的萬億參數(shù)通用大模型的知識(shí)和對(duì)應(yīng)慢思考思維軌跡，經(jīng)過SFT訓(xùn)練蒸餾到一個(gè)規(guī)模更小的32B（320億）參數(shù)的領(lǐng)域模型，使得該32B模型不僅能準(zhǔn)確回答病理學(xué)問題并具備慢思考能力，甚至在病理問答場(chǎng)景的能力比萬億參數(shù)大模型更強(qiáng)！
以查代算（Unified Cache）：對(duì)于模型中固化的知識(shí)，通過華為存儲(chǔ)的KV Cache緩存能力，以快速查找替代復(fù)雜的重復(fù)計(jì)算，實(shí)現(xiàn)推理加速43%，大幅降低推理成本。
資源池化（XPU Pooling）：通過虛擬化和容器技術(shù)極致利用AI算力，實(shí)現(xiàn)“NPU池化、晝推夜訓(xùn)”。首先實(shí)現(xiàn)了NPU的虛擬化切分和池化調(diào)度，從原來的一個(gè)任務(wù)獨(dú)占一張物理NPU卡，變成一張物理NPU卡虛擬化成多個(gè)vNPU，即可運(yùn)行多個(gè)AI訓(xùn)練/推理任務(wù)，并將多個(gè)vNPU組成算力池后配套高效的任務(wù)調(diào)度算法，最終實(shí)現(xiàn)NPU卡平均使用率從業(yè)界的40%有效提升至70%。晝推夜訓(xùn)則將模型的“診斷推理”和 “日常新影像訓(xùn)練”任務(wù)分配在白天和晚上，白天的算力主要用于支持醫(yī)生的日常診斷推理，夜間空閑算力多則自動(dòng)匯集起來，自動(dòng)進(jìn)行模型的持續(xù)訓(xùn)練和迭代，免去了獨(dú)立建設(shè)訓(xùn)練資源池和推理資源池，節(jié)省50%投資成本。
鴻溝四：工程鴻溝——當(dāng)模型“跑通了”，如何變成穩(wěn)定可靠的“生產(chǎn)力工具”？
一個(gè)能在Jupyter Notebook里運(yùn)行的模型，距離一個(gè)能在醫(yī)院7x24小時(shí)穩(wěn)定運(yùn)行、持續(xù)迭代、并且易于維護(hù)的醫(yī)療服務(wù)，還有“最后一公里”，而這往往是最難的一公里。
瑞金&華為的解法：AI工程化工具平臺(tái)與生態(tài)協(xié)作
ModelEngine AI全流程工具鏈：華為提供的不僅僅是算法，而是一套從數(shù)據(jù)工程、模型工程到AI應(yīng)用編排的全流程能力工具鏈。這就像一個(gè)“AI應(yīng)用工廠”，可以快速構(gòu)建、部署和管理模型服務(wù)。AI工具鏈的數(shù)據(jù)工程模塊內(nèi)置50+數(shù)據(jù)處理算子，幫助瑞金將病理影像、病歷數(shù)據(jù)、醫(yī)療書籍自動(dòng)處理成能用于大模型訓(xùn)練的語料和問答檢索的向量知識(shí)庫，縮短80%的醫(yī)療數(shù)據(jù)準(zhǔn)備周期；模型工程模塊支撐RuiPath病理大模型的一鍵部署、訓(xùn)練、蒸餾、推理，RuiPath全生命周期管理效率提升30%；應(yīng)用編排模塊，提供可視化應(yīng)用編排和自定義插件能力，并提供成熟的病理應(yīng)用模板，幫助瑞金快速創(chuàng)建RuiPath病理診斷應(yīng)用的實(shí)現(xiàn)邏輯，并對(duì)接醫(yī)院現(xiàn)有診療系統(tǒng)，將病種診斷應(yīng)用的開發(fā)周期從10天縮短到2天。
專業(yè)分工，產(chǎn)業(yè)協(xié)作：與病理產(chǎn)業(yè)伙伴、醫(yī)療客戶緊密合作，實(shí)現(xiàn)專業(yè)分層分工。華為聚焦底層ICT根技術(shù)，在AI平臺(tái)及核心算法上充分發(fā)揮優(yōu)勢(shì)，醫(yī)療客戶提供高質(zhì)量的醫(yī)療數(shù)據(jù)和專業(yè)臨床經(jīng)驗(yàn)，病理產(chǎn)業(yè)伙伴在醫(yī)療設(shè)備、診斷系統(tǒng)等上層應(yīng)用開發(fā)和部署運(yùn)維。各司其職，高效協(xié)同，確保了模型服務(wù)的快速落地和持續(xù)迭代。
這不僅僅是一個(gè)模型的成功
對(duì)醫(yī)生：從繁瑣重復(fù)的閱片工作中解放出來，回歸診斷和科研的本質(zhì)，成為更高效、更精準(zhǔn)的“AI審核官”和“研究者”。
對(duì)患者：意味著更快速、更精準(zhǔn)的病理診斷，尤其是在基層醫(yī)院，能夠快速獲得頂尖專家的診斷水平，為治療贏得寶貴時(shí)間。
對(duì)醫(yī)療：這次合作提供了一個(gè)可復(fù)制、可推廣的范式。它證明了，通過正確的路徑——深度醫(yī)工融合、高質(zhì)量數(shù)據(jù)基建、普惠AI技術(shù)和AI工程化工具平臺(tái)——AI醫(yī)療完全可以跨越鴻溝，真正成為臨床的得力助手。
華為與瑞金醫(yī)院的聯(lián)合成功，不是偶然的“技術(shù)碰撞”，而是一場(chǎng)精心設(shè)計(jì)的“價(jià)值共創(chuàng)”。它回答了AI醫(yī)療如何從“仰望星空”到“腳踏實(shí)地”的時(shí)代命題。
這只是一個(gè)開始。隨著RuiPath病理大模型的持續(xù)迭代和更多癌種的覆蓋，一個(gè)由AI賦能，更精準(zhǔn)、更高效和更普惠的病理診斷新時(shí)代，正加速到來。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
