引言：病理AI进入基础模型时代
病理诊断是癌症诊断的"金标准"，全切片数字成像（WSI）技术的成熟使病理玻片数字化成为可能。然而，WSI的 gigapixel 级分辨率和复杂的组织结构，使得传统CNN模型难以有效处理。2025-2026年，病理WSI AI进入了"基础模型"时代——mSTAR（Nature Communications 2025）和TITAN（Nature Medicine 2025）通过多模态自监督学习，在97项基准任务中表现优异，标志着病理AI从"单任务模型"向"通用基础模型"的跃迁。
长沙朗慧信息科技有限公司以500万张多器官病理WSI数据集，为这一技术突破提供了关键的数据支撑。这一数据集以DICOM VL Whole Slide Microscopy Image标准存储，覆盖HE染色、IHC单标/多标和特殊染色，多器官全谱系覆盖，是支撑病理基础模型训练的重要数据资源。
病理AI的基础模型化具有深远意义。传统模式下，每种癌症类型需要单独训练模型——肺癌模型、乳腺癌模型、胃癌模型……这导致模型开发成本高昂且难以泛化。基础模型通过在大规模多样化数据上预训练，可以"一次训练、多任务适配"，大幅降低病理AI的开发和部署成本。
行业现状：病理基础模型的全球竞赛
2025-2026年，病理WSI AI领域出现了一场"基础模型竞赛"，多个顶级研究团队和公司发布了各自的病理基础模型。
mSTAR（Multimodal Self-TAught PRetraining）由Nature Communications在2025年12月发表，融合WSI、病理报告和基因表达三模态数据，使用26,169张幻灯片级别模态对、32种癌症类型、超1.16亿张patch图像。在跨97项肿瘤学基准任务中表现优异，在21个病理诊断数据集的18个任务中排名第一，宏观AUC平均提升1.37%。
TITAN由Nature Medicine在2025年发表，通过335,645张WSI的视觉自监督学习和视觉-语言对齐，不仅能进行病理诊断，还能生成病理报告。这一"报告生成"能力是病理AI从"辅助诊断"向"自主诊断"演进的重要标志。
2026年2月，Nature发表了CYBO公司的临床级自主细胞病理学平台，结合实时光学全切片层析成像与边缘计算，实现细胞级分类和群体形态学分析。这是 pathology AI从"研究验证"向"临床自主"迈进的里程碑。
此外，HSFLA模型（npj Digital Medicine 2026）在1161张WSI上达到准确率95.6%（人工84.7%），浸润区域自动标注与人工像素标注一致性86.6%。Prov-GigaPath系列（Nature 2024, arXiv 2026）推出了GigaPath-Flash、GigaTIME等面向高效推理的变体。
从市场规模来看，全球数字病理市场在2026年预计超过15亿美元，其中AI辅助诊断是增长最快的领域。中国的病理科医师短缺问题严重（每百万人口仅3-4名病理医师，远低于发达国家的8-10名），病理AI的需求尤为迫切。
2026前沿突破：多模态、自监督与报告生成
2025-2026年病理WSI AI的核心突破体现在四个方面。
第一是多模态知识增强。mSTAR的创新在于融合了WSI影像、病理报告文本和基因表达数据三模态。这种多模态融合使模型不仅能"看"病理图像，还能"读"病理报告和"理解"基因信息，实现了病理诊断的多维度综合判断。在21个基准任务中的18个任务排名第一，证明了多模态学习的优越性。
第二是自监督/自教学训练。TITAN通过335,645张WSI的视觉自监督学习，无需人工标注即可学习病理图像的通用特征。这一突破大幅降低了对标注数据的依赖，使得利用海量未标注病理数据成为可能。
第三是报告生成能力。TITAN不仅能进行病理诊断，还能生成结构化病理报告。这意味着AI可以从"分类器"进化为"病理助手"，自动生成初步报告供病理医师审核和修改，大幅提升诊断效率。
第四是临床级自主平台。2026年Nature发表的CYBO平台，通过实时光学全切片层析成像与边缘计算，实现了"样本进、结果出"的自主细胞病理学流程。这是病理AI从"辅助"到"自主"的质变。
朗慧科技500万张WSI数据集为这些前沿研究提供了关键支撑。数据集覆盖多器官全谱系，包含HE、IHC和特殊染色多种类型，保留Level-0原始数据和全部金字塔层级。每个切片与病理诊断报告稳定关联，支持切片级、病例级、ROI和细胞级的多层级标注。
朗慧科技数据集：500万张切片的系统化构建
朗慧科技多器官病理WSI影像数据集以500万张切片的规模，成为支撑病理基础模型训练的重要数据资源。
在数据采集方面，所有切片来源于合作三甲医院病理科，优先采用DICOM VL Whole Slide Microscopy Image标准，同时保留原生和OME-TIFF/BigTIFF 6.3.1互操作文件。所有切片采用20倍+扫描倍率，保留Level-0原始数据及全部金字塔层级、焦平面/光学通道和元数据。
在染色类型方面，以HE染色为主体；IHC单标/多标按抗体分层；特殊染色按类型分层；冰冻/石蜡分层。这种分层设计使模型能够学习不同染色下的组织特征，支持多染色联合学习。
在覆盖范围方面，覆盖多器官全谱系，避免因单一癌种或单一染色来源造成过度集中。每张切片的标本部位、取材方式、蜡块/切片号、染色和焦平面均可追溯。
在标注体系方面，每张切片与病理诊断报告稳定关联，包含TNM分期、免疫组化结果。支持切片级、病例级、ROI和细胞级的多层级标注，且不同层级标注不得混用。病理明确诊断切片作为主体；良性、正常邻近组织、炎症和不确定/会诊病例按任务需要单列。
在质控方面，采用病理科主治医师初标+副主任及以上专家审核+一致性评估的三层质控流程。特别关注切片质量评估（扫描完整性、聚焦质量、色彩一致性），剔除不合格切片。
在合规方面，所有切片均来源合法授权，PHI字段全量脱敏。数据集支持学术研究和商业授权两种许可模式。
前瞻视角：病理基础模型的中国路径
病理WSI AI的未来发展将沿三条路径推进。
第一是基础模型的持续扩展。当前mSTAR使用了26,169张模态对和1.16亿张patch，但这与全球每年产生的数千万张病理切片相比仍是小规模。更大规模、更多样化的预训练数据将进一步提升基础模型的性能。朗慧科技500万张切片数据集，为训练更大规模的病理基础模型提供了可能。
第二是中国人群适应性。中国常见癌症的分布与欧美不同（如肝癌、胃癌、食管癌在中国更为高发），基于欧美数据训练的模型可能在这些癌种上表现不足。朗慧科技的多器官全谱系数据集，特别覆盖了中国高发癌种，为建设"中国标准"病理AI提供了数据基础。
第三是临床自主化。从"辅助诊断"到"自主诊断"是病理AI的终极目标。CYBO平台（Nature 2026）的自主细胞病理学流程预示了这一方向。朗慧科技的数据集通过多层级标注和病理报告关联，为训练自主诊断模型提供了结构化标签。
结语：基础模型时代的病理数据战略
病理WSI AI从"单任务CNN"到"多模态基础模型"的跃迁，深刻揭示了大规模多样化数据在基础模型时代的决定性作用。mSTAR和TITAN的成功证明，数据规模、模态多样性和标注深度是基础模型性能的三大支柱。
长沙朗慧信息科技有限公司以500万张多器官病理WSI数据集为支点，正成为病理基础模型时代的重要数据服务提供方。在Nature和Nature Medicine级突破重塑病理AI格局的关键时刻，朗慧科技将持续以高质量数据推动病理精准诊断的自主化落地。
病理AI基础模型时代的数据战略
2026年病理AI迎来了从任务专用模型向基础模型范式的根本性转变。mSTAR和TITAN等基础模型证明了大规模预训练可以学习到通用的病理形态学特征，通过下游微调适配多种诊断任务，大幅降低数据标注成本和模型开发门槛。这一转变对数据提出了新的要求——不再局限于单病种、单任务的标注数据集，而是需要大规模、多病种、多中心的全切片图像预训练语料。朗慧科技500万张WSI数据集正是为满足这一需求而构建，覆盖了多器官、多病种和多中心来源，为训练中国自己的病理基础模型提供了充足的数据语料。
从行业竞争来看，病理AI基础模型的竞争本质上是数据规模的竞争。国际巨头如Paige、PathAI已积累了数百万张WSI的预训练数据，而中国在这一领域仍处于起步阶段。朗慧科技以500万张WSI的规模优势，加上切片级、ROI级和细胞级的多层级标注体系，为中国病理AI基础模型的自主可控提供了关键数据支撑。公司正与国内顶级病理学学术机构合作，探索基于基础模型的病理AI多任务适配方案，目标是在肺癌、乳腺癌、消化道肿瘤等高发癌种上实现病理AI的临床级应用，弥补中国病理医师严重不足的短板。