为什么这个病理基础模型只用冰冻切片训练？10万张术中数据背后的数据工程逻辑

三个数字先摆在这里：100,000 张冰冻切片、3,064 例前瞻患者、92.6% 的手术决策支持率。

9月10日，Nature Medicine 发表了香港科技大学陈浩团队与中山大学肿瘤防治中心蔡木炎团队（共同通讯）合作的术中病理基础模型 CRISP（Clinically-oriented Robust Intraoperative Support for Pathology）。但在我们看来，这篇论文最值得讲的不是模型跑分，而是一个数据工程的教科书级决策：为什么只用冰冻切片训练。

数据选择即模型命运：冰冻切片和石蜡切片到底差在哪

病理 AI 这两年并不缺基础模型，但几乎都用常规石蜡切片（FFPE）数据训练。问题在于，手术中病理医生看的是冰冻切片——为了抢时间，制备过程会引入冰晶伪影、染色差异、切片厚度不均等一系列"现场痕迹"。

拿 FFPE 数据训练的模型去读冰冻切片，等于让一个只见过标准考场照片的监考员，去辨认手机偷拍的模糊画面。分布对不上，性能自然打折。

CRISP 的选择是彻底的域内路线：训练语料全部来自冰冻切片——10 家医学中心、超过 100,000 张。这意味着模型从预训练阶段就在学习手术场景真实的图像分布，而不是靠下游微调去"补偿"域差。

数据规模递进：10万张训练、1.5万张评测、近100个任务怎么铺开

CRISP 的评测设计同样值得数据团队细看：

数据层	规模	覆盖
预训练	100,000+ 张冰冻切片	10 家医学中心
回顾性评测	15,000+ 张术中切片	近 100 个诊断任务
泛化测试	6 机构 / 14 种肿瘤 / 24 个解剖部位	含未见过部位与罕见癌症
前瞻验证	3,064 例连续患者	3 家中心（甲状腺/乳腺/中枢神经）

回顾性任务覆盖良恶性判别、关键术中决策、泛癌检测；泛化测试特意纳入了预训练分布之外的解剖部位和罕见肿瘤——这是对"基础模型泛化能力"最诚实的考法，而不是只在熟悉的benchmark上刷分。

前瞻验证：三家中心、3064例连续患者，人机协作再砍35%工作量

真正拉开这项工作与多数病理 AI 研究差距的，是那项注册前瞻性观察研究：3 家中心、3,064 例连续患者（不是挑选过的病例），覆盖甲状腺、乳腺和中枢神经系统术中病理。

结果层面有三个关键数字：

• 92.6% 的病例中，CRISP 的输出直接支持了手术决策；
• 模型辅助分诊在保留 79.0% 阳性病例的同时，将病理医生的诊断工作量降低约 35%，并避免了 105 项辅助检测；
• 淋巴结微转移检测准确率 87.5%，定位是筛查与注意力引导，病理医生保留最终诊断责任。

注意一个细节：35% 的减负是在几乎不漏阳性的前提下实现的——单纯用"多筛掉一些"换减负没有意义，79% 的阳性保留率才是这个工作流成立的前提。

开源三件套：代码、权重、数据集全部公开

对行业而言，这项工作最"值钱"的动作可能是开源：CRISP 的代码、模型权重和公开数据集三件套全部发布在 HuggingFace（FTZhou/CRISP）。在术中病理这个高质量数据极度稀缺的领域，一份合规开放的冰冻切片数据集，价值不亚于模型本身——它给了后来者一个可直接对标的基准，也给了数据服务商一个明确的质量参照。

数据从业者该关注什么（以及这项研究没证明什么）

三点提示：

1. 域内数据的复利：CRISP 证明了在高质量域内数据上做预训练，比通用数据+微调更适合垂直场景。这套逻辑可以平移到超声、内镜、心电等所有"采集条件即分布特征"的模态。
2. 连续患者入组：前瞻研究用"连续病例"而非筛选病例，这是真实世界证据可信度的关键设计，值得所有临床 AI 团队抄作业。
3. 诚实的边界：前瞻部分是观察性研究，不是随机对照——它证明了工作流可行，没有证明患者结局改善；跨地区、跨扫描仪、跨流程的迁移性也有待验证。CRISP 自己的定位也很克制：病理医生监督下的决策支持与分诊工具，不做自主诊断。

一句话收尾：在基础模型军备竞赛里，CRISP 展示了一条"数据定义模型"的路线——当别人在卷参数规模时，它用 10 万张"选对了"的切片，把术中病理这个场景吃透了。

原文链接：Nature

---

千方医数集编辑部 出品