ARTICLE · 1160072
专家越有名,AI病理数据库就越可靠吗?答案在规则,不在名气 (数字病理与临床)
专家越有名,AI病理数据库就越可靠吗?答案在规则,不在名气 (数字病理与临床)数字病理发展到今天，越来越多人已经意识到： 病理AI真正重要的资产，是高质量数据库。 尤其是专家标注数据库，被普遍认为是病理AI训练最基础的数据底座。 一张HE数字切片，本质上只是一个巨大的图像文件。 只有当病理医生告诉算法： 这里是肿瘤， 这里是间质， 这里是坏死， 这里是淋巴细胞， 这里存在血管侵犯， 这里属于某种病理亚型， 这张图像才真正变成可以用于监督学习的数据。 因此很多医院和企业开始建设所谓的： “病理专家标注数据库”。 但这里其实隐藏着一个更重要的问题：
在很多AI项目里，我们习惯把病理专家的标注叫作： Ground Truth，真值。 这个说法听起来非常有权威感。 但在病理学里，很多时候并不存在真正意义上的“绝对真值”。 例如： 肿瘤分级、 肿瘤浸润边界、 TIL水平、 某些特殊组织学结构、 坏死范围、 肿瘤芽生、 免疫微环境分类， 即使是经验丰富的病理医生之间，也可能存在不同判断。 这不是专家水平不够，而是很多病理判断本身就带有一定的主观性。 所以更加严谨的概念其实应该是：Reference Standard，参考标准。 是通过尽可能规范的方法，建立一个当前条件下最可信、最可重复的参考答案。
很多数据库建设项目喜欢强调： “由三甲医院专家完成标注。” 或者：“由某领域知名病理专家审核。” 但它们并不能自动证明数据库可靠。 因为一个数据库是否可信，不取决于专家名字有多响亮，而取决于： 不同专家按照同一套规则，能不能得到相近结果。 同一批肺癌切片，3位病理医生独立标注肿瘤区域。 如果三个人画出的区域高度重合，那么说明具有较好的可重复性。 如果三个人差异很大，就意味着：这个标签本身可能存在较大不确定性。
可以说：没有严谨SOP的专家标注数据库，看起来是“专家库”，实际上很可能只是不同专家个人判断的集合，很难成为病理AI真正可信的训练底座。 每个人使用的判断标准如果没有在项目开始前定义清楚，那么所谓的专家标注，很容易变成： 不同专家按照自己的经验完成的标注。 得到的并不是一个统一数据库，而是多个专家个人习惯的混合体。 因此真正专业的标注数据库，第一步并不是“请专家来画圈”。 而是先建立： Annotation Guideline / Annotation SOP。 只有规则先统一，专家标注才有可能形成真正可复用的数据资产。
如果3位专家中，两位认为是肿瘤，一位认为不是，是不是直接按2:1确定答案？ 复杂病理任务并不一定适合简单投票。 更加规范的做法是： 独立标注 → 识别分歧 → 集中复核 → 专家仲裁。 例如： 第一轮由3位专家盲法独立标注； 对高度一致区域直接进入数据库； 对明显分歧区域进入复核池； 再由更高级别专家或专家委员会进行adjudication，也就是仲裁。 这样最终形成的标签，不再只是某一个人的意见， 而是一套有形成过程、有共识机制的参考标准。 因为未来别人不仅需要知道：最终标签是什么， 还需要知道：这个标签是怎么得到的。
病理专家很重要，但专家并不是唯一的信息来源。 很多标签可以通过其他技术进行独立验证。 例如： 专家认为某些细胞是CD8 T细胞，可以用CD8 IHC或多重免疫荧光验证； 认为某些区域是肿瘤，可以结合Pan-CK； HER2可以结合IHC和ISH； 某些分子亚型可以结合NGS； 细胞类型和细胞状态，可以进一步结合单细胞或空间转录组。 这类验证叫： Orthogonal Validation，正交验证。 它的价值在于： 不再让所有答案都依赖于同一种观察方式。 病理医生根据形态判断， 分子检测根据基因或蛋白判断， 如果两个独立系统得到相互支持的结果， 标签可信度自然更高。
还有一类标签，无法简单通过IHC或NGS证明。 例如AI想识别： 高复发风险形态， 免疫治疗获益型病理模式， 预后不良的空间结构。 这种时候，真正重要的验证是： 患者后来到底发生了什么。 是否复发？ PFS多长？ OS如何？ 治疗有没有响应？ 因此当数字病理从“诊断AI”走向“预测AI”以后，临床结局本身就成为数据库极其重要的一层。 这也是为什么真正高价值的数字病理数据库，不应该只有： WSI + 专家标注。 而应该逐步扩展为： 数字切片 多专家共识 分子验证 治疗信息 临床结局。
现在很多AI数据库里的标签都是二元的： 0或者1， 肿瘤或者非肿瘤， 阳性或者阴性。 但现实世界往往没有这么简单。 有些标签可能来自单专家判断； 有些来自双专家一致； 有些经过三专家仲裁； 还有一些同时有IHC、NGS或空间组学支持。 这些标签显然不应该具有完全相同的可信度。 因此未来病理AI数据库完全可以建立： Annotation Confidence Level。 这样一来， 数据库不仅告诉AI： 答案是什么， 还告诉AI： 我们对这个答案有多大把握。 这可能比今天简单的0和1更加接近真实病理世界。
所以，病理AI数据库真正的壁垒： 一个高质量病理数据库，至少应该具备四个要素： 专家水平× 标注规范× 可重复性× 独立验证 如果再进一步加入临床随访和分子数据，它才真正可能成为病理AI长期发展的基础设施。 因此，病理AI真正需要的，是经过标准化、共识化和外部验证的参考标准数据库。 2026年AI数字病理最值得关注的10项技术：哪些已经进入临床，哪些还只是论文？ 数字病理的下一场竞争：从Proscia、Paige和Aiforia看三条发展路线（数字病理与临床系列） 从切片到论文：AI正在让病理医生更容易开展数字病理研究 数字病理平台离真正的医疗器械，还有多远？——必须跨过这5道门槛（ 数字病理与临床系列）
专家标注，就一定是正确答案吗？
一、病理AI最容易混淆的两个词：标注与真值
二、真正的问题，不是“有没有专家”，而是“专家之间是否一致”
三、专家标注数据库首先需要一套SOP
四、医学特点决定了分歧病例不能简单“少数服从多数”
五、真正高级的数据库，还需要“专家之外的证据”
六、临床结局，才是另外一种“最终验证”
七、未来甚至应该给每一个标签一个“可信度等级”
八、真正的护城河，不是“专家多”，而是“参考标准可信”
这些标签能不能被重复、被验证、被追溯。