编者按：
近日，日本临床检验领域的专业刊物《THE MEDICAL & TEST JOURNAL》（第1750号，2026年11月11日）在其连载专栏《技术改变的临床检验室 —— 来自全球一线的经验》中，将目光投向了中国病理AI企业的实战派 —— 医策科技在亚洲的落地实践。撰稿人为株式会社CGI（CAP Survey 日本事务局）CEO、在日美国商会（ACCJ）医疗委员会委员Julie Colby女士。
文章聚焦亚洲顶尖医学诊断实验室Premier Integrated Lab（以下简称“PIL”）。2023年，PIL承接马来西亚国家级宫颈癌筛查项目，年检测量14万件，承担筛查的病理医生只有3人。
医策科技的解法是重构流程：玻片扫描后，AI夜间完成全片解析，按可信度排序输出24处需关注的区域（ROI）；次日早晨，筛查人员在显示器上确认，阴性玻片约30秒完成复核 —— 而过去，镜下精查一张玻片需要 3~5分钟。
PIL首席执行官Hareeff Muhammed在文中表示："从显微镜到显示器，从整体的精查到对AI所选区域的确认。改变的只是工作的方式。人没有变，人之所以在那里，是为了做出本质性的判断。"
目前，医策科技病理AI已落地东南亚、中东、非洲、澳洲等国家和地区，在IHH Healthcare旗下医院规模化部署，累计输出全球近千万份真实临床报告；自研宫颈细胞数字病理图像辅助诊断软件已获NMPA三类医疗器械注册证。
作为中国病理AI 企业 "走出去" 被发达国家专业期刊完整记录的一次样本，我们全文译介如下，以飨读者。
正文（中文翻译）
AI变革病理筛查（第2回）
技术重塑临床检验室
不是替代人，而是改变工作方式
*来自全球一线的经验*
「14万件！」
听到这个数字时，我忍不住反问确认。这是总部位于马来西亚吉隆坡班台医院的Premier Integrated Lab（简称PIL），在2023年作为国家项目承接的宫颈癌筛查年检体量。而承担这一庞大工作的病理医生，仅有3人。
向我透露这个惊人数字的，是深耕亚洲市场的病理AI企业医策科技（PathoAI）的创始人兼CEO王晓梅（Xiaomei Wang）女士。她指出，核心矛盾不只是病理医生数量不足，更是海量工作负荷与有限人力之间的鸿沟——当这条鸿沟无法仅靠人的努力填补时，技术该以怎样的方式介入，是临床一线必须直面的课题。
AI不是"人的替代品"
PIL当时面临的本质困境，是处理能力的天花板。无论工作效率多高，仅靠3名病理医生，绝无可能完成年均14万件的筛查。为此他们引入的方案是：由AI承担初筛环节，仅筛选出需要人工复核的样本。通过AI辅助，有限的人力得以覆盖海量标本。
谈及AI的引入，常有声音担忧"AI会不会抢走人的工作"。但从PIL的案例中，我们看到的是AI与人的另一种关系：AI并非取代人，而是拓展了人能够胜任的工作边界。我们的核心思路并非将人从病理诊断与筛查流程中剔除，而是重构人在工作中的角色与价值。
从显微镜到显示器
AI的引入给临床一线带来了怎样的变化？过去，筛查人员需要通过显微镜仔细检视每一张病理切片，单张耗时约3~5分钟。而在PIL引入的AI全新工作流中，工作人员只需将切片放入数字扫描仪即可。夜间AI会自动完成全部切片的解析，输出诊断结果的同时，标注出24处需要重点关注的感兴趣区域（ROI）。
次日早晨，筛查人员无需再守在显微镜前逐片全量检视，只需在显示器上核对AI标注的区域即可；若判定为阴性切片，仅需约30秒就能完成复核。
PIL首席执行官Hareeff Muhammed表示："筛查人员的工作并没有消失，只是工作方式发生了转变——从显微镜转向显示器，从全片精查转向AI标注区域的确认。人的核心角色没有变，依然是做出本质性诊断判断的主体。"
AI保持高精度
说起AI的优势，人们首先想到的往往是提升效率。但在临床一线，AI更本质的价值在于诊断精度。
比如在组织病理、免疫组化诊断中，某抗体的表达率是20%还是25%，这细微的差异就可能改变整套治疗方案。但一张切片上有数十万级别的细胞，仅靠人眼逐一确认，要始终以统一标准判定几个百分点的差异，绝非易事。这是人类视觉本身的局限，无法仅靠经验和技术能力完全弥补。
而AI能够以统一的标准解析大量细胞，为诊断提供稳定支撑。也就是说，AI不只是更快地处理大量检测，更在本质上提升了检测的精准度。
正因为检测结果直接关乎众多疾病的诊断与治疗决策，临床检验才需要尽可能减少偏倚、追求极致精度。王晓梅女士如此强调AI引入临床检验的意义：检验是医疗的最后一道防线。
对日本而言绝非"事不关己"
病理医生短缺、地域分布不均，同样是日本医疗的严峻课题。日本总人口约1.25亿，而全国病理专科医生仅约2900人——这一数字被日本病理学会本身评价为"危机级"。更严峻的是，其中近半数集中在大学医院，地方医院仅有1名病理医生、甚至没有常驻病理医生的情况屡见不鲜。
检测量不会减少，人力又无法轻易增加。在这样的现状下，"靠更少的人、沿用老办法勉强维持"终究有其极限。本次介绍的PIL案例，对日本医疗一线同样具有重要的启示意义。AI的落地，或许将为医疗行业打开全新的可能。