瑞金医院联合华为云发布RuiPath 2.0：19癌种205项诊断任务，90多家医院已在用
9月16日中国新闻网上海报道，在"数智共生·云惠病理"2026医疗人工智能创新论坛上，上海交通大学医学院附属瑞金医院联合华为云正式发布瑞智病理大模型RuiPath 2.0，带来性能、诊断能力、可解释性、罕见病种训练与轻量化部署五大升级。新版本覆盖19个常见癌种、诊断任务增至205项，官方称可覆盖病理医生90%以上日常诊断场景；首次在组织学亚型、浸润深度、核分裂象等维度实现精确可解释性标识；针对罕见病种数据稀缺，采用病理多模态生成式模型合成训练数据，淋巴瘤诊断准确率达96.48%；59项下游诊断任务中42项达到行业SOTA。同步推出200万参数轻量化版本RuiPath 2.0 Edge，可直接部署于医院普通PC、云端协同实现分钟级推理。2025年2月首代模型发布以来，全国90多家医院已应用RuiPath。中国工程院院士、瑞金医院院长宁光表示，构建病理大模型是为了修筑通往基层的"高速公路"。
205项诊断任务、90家医院：RuiPath 2.0把病理AI的规模化答卷写完了
数据视角分析 × 数据从业者与工程师 ｜ 产品发布
据中国新闻网上海9月16日报道（记者谢梦圆），“数智共生·云惠病理”2026医疗人工智能创新论坛近期在上海召开，瑞金医院联合华为云在会上正式发布瑞智病理大模型RuiPath 2.0。新模型覆盖19个常见癌种，诊断任务增至205项，可覆盖病理医生90%以上日常诊断场景；重庆大学附属三峡医院、普洱市人民医院、瑞安市人民医院、石家庄市人民医院等全国90多家医院已应用，并入驻华为云行业AI梦工厂·智慧医疗专区。
一、三个数字：十九个月的迭代节奏
19个癌种、205项诊断任务、90多家医院——RuiPath 2.0发布当天，这三个数字构成了观察中国病理AI的第一梯队坐标。205项诊断任务被官方表述为业界最全，可覆盖病理医生90%以上日常诊断场景，这意味着产品口径已经从单点能力演示转向全流程接管：从常见癌种的判读到分型分级，模型要接住的是病理科日常工作的主体盘子，而不是某一场考试的单科高分。
这不是一次突然的跃迁。首代RuiPath于2025年2月发布，当时的定位是中国首个进入医院生产流程的临床级病理大模型——生产流程四个字，把病理AI从实验室指标竞赛拉进了真实诊疗链条。到2.0，迭代周期约十九个月，升级集中在五件事上：性能、诊断能力、病理诊断可解释性、罕见病种数据训练、轻量化部署。
性能层面的量化口径是：59项下游诊断任务中42项达到行业SOTA水平，团队宣称超越海外顶尖病理基础模型。可解释性层面的进展更值得同行注意：2.0首次在组织学亚型、浸润深度、核分裂象等维度实现精确可解释性标识，诊断透明可追溯。对病理这样的高风险科室，结论从哪来与结论对不对同等重要——可解释性标识维度的铺开，本质上是把诊断逻辑拆解成可审计的证据链，这也是AI结论能被病理医生复核的制度前提。
二、罕见病的数据解法：合成训练与96.48%
病理AI的老难题是数据分布不均：常见癌种切片海量，罕见病种样本稀少，模型在长尾病种上天然瘸腿。而病理诊断恰恰在长尾上最缺帮手——基层医生一年碰不上几例罕见病种，经验积累慢，误漏诊风险高，这也是优质病理资源分布不均在病种维度上的投影。
RuiPath 2.0给出的解法是造数据：打造病理多模态生成式模型合成训练数据，专门补罕见病种的数据缺口。落到结果上，淋巴瘤诊断准确率达到96.48%。从数据工程视角看，这条路线把数据稀缺问题从采集端转移到生成端——训练素材的边际成本从切片采集成本变成样本生成成本，数据团队的工作重心也随之从找数据转向控质量：合成分布与真实分布之间的偏差要持续监测，生成模型本身的质量成为新的单点依赖。
96.48%是一个可交付的数字，但合成数据路线的长期成色，仍要看多中心真实场景下的持续验证。这里有一条值得数据从业者记下的方法论：当采集端无法扩容时，生成端补位是可行解，前提是验证集必须保持真实、独立，否则合成数据会把自己的偏见复制给下一代模型。
三、200万参数Edge版：把算力门槛降到普通PC
2.0版本里最容易被低估的棋子是RuiPath 2.0 Edge：200万参数的小模型，可直接部署在医院普通PC上，与云端协同实现分钟级推理。病理AI传统上依赖高算力GPU服务器，采购与运维成本把许多基层医院挡在门外；云边协同架构把落地门槛从机房级拉到桌面级，普通PC就能跑起来，对县域医院而言，这一步几乎直接决定采购可行性。
部署形态背后是清晰的分级逻辑：Edge版承担快速初筛与日常承载，云端大模型承担疑难会诊与深度分析，两边协同而非二选一。中国工程院院士、瑞金医院院长宁光在论坛上的表述很直白：优质医疗资源匮乏与分布不均是真实痛点，构建病理大模型不是在三甲建技术高墙，而是修筑通往基层的高速公路，把瑞金沉淀的诊断能力变成基层医院用得上、看得懂、接得住的标准化工具。华为公司董事、华为云CEO周跃峰补上需求侧的逻辑：用病理AI补齐基层医疗短板，让癌症患者在家门口获得早期精准诊断，抓住早期治疗黄金窗口。两家负责人的话合起来，就是这盘棋的战略表述——技术纵深留在三甲，价值兑现靠下沉。
四、冷静看待：SOTA宣称与临床责任边界
42/59的SOTA成绩与超越海外顶尖病理基础模型的宣称，均出自发布会口径，独立第三方评测与同行评议数据尚未跟上，按行业惯例值得保留一分审慎——尤其在涉及与海外模型对比时，评测集选择与实验条件都会显著影响结论，采购方需要在自己的数据上复测。
合成数据补罕见病、轻量化下沉县域，本质是一条数据飞轮与工程降门槛的组合拳：90多家医院用得越多，真实数据回流越多，模型在长尾上越强，部署范围就能继续扩大，入驻华为云行业AI梦工厂·智慧医疗专区则把分发通道先铺好了。但飞轮转起来的前提，是可解释性标识与质控流程跟得上规模化速度，否则数据回流越多，噪声也会同步放大。
还要看到，可解释性标识解决的是结论可追溯，尚未回答出错之后的责任划分：AI提示在诊断路径中承担多大权重、误漏诊责任如何在医院与厂商之间切分，目前仍靠合同与院内制度兜底。从跑进生产流程到形成责任闭环，是2.0之后真正要补的答卷。90多家医院是当前成绩单，也是下一轮迭代的压力测试场。
原文链接：中国新闻网上海
千方医数集编辑部 出品
