传统冰冻切片质量不稳定且缺乏专用人工智能算法#

术中冰冻切片是外科手术过程中进行实时病理诊断的重要手段，医生需要根据几十分钟内出具的病理结果来决定手术切除范围或后续治疗方案。然而在实际临床操作中，由于冰冻切片制作时间紧迫，样本容易出现冰晶伪影、组织折叠、染色不均以及组织厚薄不一等问题，导致图像质量普遍低于普通的石蜡切片。

现有的数字病理人工智能模型大部分基于高质量的石蜡切片数据训练，将这些模型直接用于冰冻切片的分析时，往往表现出极大的性能衰减。此外，外周组织或边缘切片的数据异质性强，不同医院、不同设备制备的切片图像存在明显的域偏移。目前临床上缺乏针对冰冻切片特性量身定制、且具备强跨中心泛化能力的病理大模型。

Figure 1. Study Cohort Characteristics and Workflow. Figure 2. Performance of CRISP in common benign-malignant differentiation tasks.

建立多中心大规模数据预训练并引入多任务对齐机制#

研究者的核心思路是直接面对冰冻切片质量参差不齐的现实，不再依赖人工筛选高质量区域，而是通过构建海量的真实临床冰冻切片数据集来提升模型的鲁棒性。

为了让模型学会识别冰冻切片中的病理特征，研究者收集了来自10家医疗中心的十余万张冰冻切片数字图像。在技术实现上，算法并没有简单套用通用视觉模型，而是针对病理图像的多尺度特征进行了结构优化，结合自监督学习方法提取切片的局部细胞特征与整体组织架构特征。通过将图像表征与临床病理文本信息进行多模态对齐，模型能够在面对含有伪影或质量较差的切片时，依然准确捕捉到与肿瘤侵袭、组织分级相关的关键病变信号。 Figure 3. Evaluation of CRISP for intraoperative decision-making

98项评估任务与前瞻性临床验证的证据表现#

研究者对 CRISP 模型进行了系统性的验证，证据链覆盖了回顾性多中心测试与前瞻性真实世界应用。

• 回顾性多中心验证：在涵盖不同器官、不同病理类型的98项术中决策任务中，CRISP 在良恶性鉴别、肿瘤分级以及微转移灶检测等指标上均展现出了优异的诊断准确率。即使在图像存在严重冰晶干扰或组织折叠的样本集上，该模型的表现依然保持稳定，明显优于传统病理模型。

• 前瞻性临床队列：在前瞻性收集的3,000余例真实世界患者队列中，研究者将 CRISP 接入实际术中病理工作流。结果显示，在模型的辅助下，初级病理医生的诊断准确率提升到了接近资深病理医生的水平。

• 工作量优化评估：通过对阴性区域或高置信度区域的自动筛查与提示，CRISP 帮助病理医生减少了约 35% 的切片阅片工作量，有效缩短了术中病理报告的发放时间。

目前数据支撑较为坚实的部分在于模型对常见肿瘤类型良恶性判断和微转移检测的稳定性，但在极少数稀有病理亚型或高度复杂的混合性肿瘤上，模型给出的置信度得分相对较低，仍需依赖高资深病理医生进行人工复核。 Figure. 4. Performance of CRISP in late intraoperative assessment. Figure. 5 . Pan-cancer detection performance of CRISP. Figure 6. Prospective validation of the clinical utility of CRISP.

应用价值与现阶段的实际边界#

CRISP 模型的主要临床价值在于解决基层或非专科医院术中冰冻病理诊断资源不足的问题，通过标准化、高效率的辅助分析，减少因切片质量差或诊断经验不足导致的误诊与漏诊，从而优化手术决策。

不过，该模型在实际落地时也存在明确的边界。首先，模型的训练数据虽然覆盖了10家医疗中心，但面对极少见的稀有病种时，缺乏足够的病例积累；其次，CRISP 的作用定位在于辅助决策与流程提效，并不能完全替代病理医师签署最终报告。在复杂疑难病例中，人机协同依然是确保医疗安全的核心模式。

参考文献：Zhao, Z., Zhou, F., Li, R. et al. A clinically-oriented foundation model for intraoperative pathology. Nat Med (2026). https://doi.org/10.1038/s41591-026-04703-0