本文分享自华为云社区《【案例分享】邯郸市中心医院携手华为云医疗AI使能平台开启病理AI辅助诊断实践之旅》作为在病理诊断领域深耕多年的医生每天在病理科实验室忙碌工作既繁重又复杂。在与瑞金医联体的合作中我们开始接触华为云智慧医疗产品团队并体验了华为云医疗AI使能平台产品。通过深入合作和产品试用我们启动了针对乳腺癌的专属模型增训计划。以下是我作为一名一线病理医生亲身参与这次增训计划的核心过程和亲身体会。1、前期准备让数据“会说话”本次模型训练中我们精心整理了300余张具有代表性的数字病理切片WSI并上传到医疗AI使能平台。在创建乳腺癌训练数据集过程中我们运用了平台预置的乳腺癌模型病理推理任务模板包含六个诊断任务有无肿瘤、组织学类型、脉管侵犯等。接下来运用医疗AI使能平台标注工具对切片数据进行了逐一标注对每张病理切片的有无肿瘤、组织学类型与分级等诊断任务信息进行标注确认确保从源头把控数据质量。标注完成后我们在确认数据集时关注各个组织学类型的数据量以及分布通常每个类型建议采用64张训练。在第一轮训练中由于准备的一些类型数据量不够对这类数据少的类型做了合并归为其他类别计划在后续训练中再逐步补充数据并持续监控验证集的准确率。2、训练过程省心省力坦白说在合作初期我对“AI训练”是有顾虑的——担心操作复杂、需要专业IT人员配合。但实际体验下来这套平台的易用性超出了我的预期。几点直观感受-“傻瓜式”操作标注完成后只需点击“启动训练”系统自动完成后续流程无需人工干预。-训练时长可接受300多张切片的首轮训练大约耗时3小时耗时与切片数量和图像分辨率相关。对于需要反复迭代优化的模型来说这个等待时间是值得的。-不需要写代码对于像我这样没有编程背景的临床医生这一点非常友好。3、验证效果让AI的“思考过程”透明化训练完成后我最关心的是模型到底准不准平台提供了详细的验证集推理结果每个子任务的准确率一目了然。我会特别关注两类情况-准确率偏低的类型任务-训练样本不足60张的类别这些“短板”往往是模型最容易出错的地方需要后续重点补充数据。我们的验证方法除了系统自动划分的验证集我们还额外准备了独立的测试集进行“盲测”。推理完成后热力图功能可以直观显示癌变区域的范围和严重程度——这对于教学和质控也非常有价值。4、预览及报告下载当前推理任务列表总数限定在20个以内我们可以方便地下载详细的推理报告到本地进行保存和归档便于后续分析和病例追踪。5、模型持续迭代从“能用”到“好用”AI模型的优化不是一蹴而就的而是需要多轮“数据-训练-验证-反馈”的迭代过程。我们的迭代策略步骤内容样本审视检查标注质量识别可能的噪声或逻辑漏洞指标评估关注验证集和测试集的准确率变化数据补强针对数据量少的类型补充高质量样本持续训练重复上述流程逐步提升模型性能经过4轮迭代原本准确率仅50%左右的诊断任务已稳定提升至90%以上。这种“从及格到优秀”的进步让我们对AI辅助诊断的信心越来越足。6、系统对接AI融入工作流同时这套AI系统能够与我们现有的PIS病理信息系统实现无缝对接实际场景是这样的切片扫描仪完成扫描系统自动识别乳腺癌相关切片AI推理任务自动触发病理医生在PIS系统中直接查看推理结果一键同步至诊断报告7、拓展应用从单一病种到多癌种覆盖在乳腺癌模型的成功基础上我们已经将AI辅助诊断拓展至结直肠癌、胃肠道小标本等更多癌种。随着样本量的积累和模型性能的持续优化AI正在成为病理科医生高效工作的得力助手。作为一名临床医生我深刻体会到AI不是要取代病理医生而是帮助我们从繁琐的重复性工作中解放出来把更多精力放在疑难病例的会诊和临床沟通上。