2. 病理工作流现状建模

在部署任何病理AI模型之前，必须先回答一个基础问题：模型究竟要嵌入到工作流的哪个位置？这个问题的答案不能靠想象，而要靠对真实科室流程的建模。病理科的工作流看似线性——标本接收、取材、脱水包埋、切片、染色、扫描、诊断、归档——但每个环节都包含分支、等待、人工判断和信息系统交互。只有把这些结构画清楚，才能识别出模型可介入的节点，并判断介入后会影响哪些上下游环节。

一、建模对象与数据流的基本结构

本节以一家三级医院病理科的常规组织学流程为建模对象。整个流程可以拆成三条并行的流：物理流（标本、蜡块、玻片实物的移动）、信息流（LIS中的病例号、条码、状态字段）和图像流（扫描仪产生的WSI文件及其元数据）。三条流在关键节点上必须对齐，否则就会出现“玻片已扫描但LIS状态未更新”这类常见问题。

物理流的主线是：标本接收登记 → 取材 → 脱水透明浸蜡 → 包埋 → 切片 → 摊片烤片 → HE染色 → 封片 → 数字扫描 → 诊断 → 归档。信息流则围绕LIS展开：每个标本在接收时获得唯一病理号，取材时生成蜡块号，切片时生成玻片号，扫描时生成图像ID。图像流从扫描仪开始，产生WSI文件并写入PACS或图像管理系统，同时把扫描状态回写到LIS。

二、关键决策点及其判断依据

流程中有若干决策点，它们决定了后续走向，也是模型介入时必须绕开或配合的环节。

• 接收环节的合格性判断：标本是否固定充分、容器是否泄漏、申请单与标本是否一致。不合格标本会触发退回或备注流程，不会进入取材。
• 取材环节的取材方案决策：病理医师根据标本类型和临床信息决定取几块、取哪些部位。这个决策直接影响后续蜡块数量和切片数量。
• 切片环节的质量判断：切片是否完整、有无褶皱、厚度是否合适。不合格切片需要重切，导致玻片号增加。
• 染色环节的染色质量判断：HE染色是否过深或过浅、细胞核与细胞质对比是否清晰。不合格需重染。
• 扫描环节的图像质量判断：对焦是否准确、组织是否完整、有无条带或模糊。不合格需重新扫描。
• 诊断环节的诊断决策：病理医师结合镜下形态、免疫组化结果和临床信息给出诊断。这是整个流程中认知负荷最高、最依赖经验的环节。

这些决策点中，接收、切片、染色、扫描属于可规则化判断，适合用模型辅助；取材和诊断属于强经验判断，模型更适合做提示而非替代。

三、模型可介入节点的识别

把上述流程和数据流画成图后，可以按“输入是否稳定、判断是否有明确标签、错误代价是否可控”三个维度筛选介入点。

从表中可以看出，低风险节点集中在“质量门控”类任务，它们的特点是输入是图像、输出是离散等级、错误可以被人工复核拦截。高风险节点是诊断辅助，模型输出必须可解释、可追溯，且不能直接写入报告。

四、数据流与决策点的可视化

下图把物理流、信息流和图像流合并到一张图上，用不同颜色区分，并标出决策点和模型可介入节点。图中菱形表示决策点，圆角矩形表示处理环节，虚线框表示模型介入位置。

五、建模时的常见陷阱

第一，把LIS状态当成真实物理状态。LIS中“已扫描”可能只是操作员点了按钮，实际WSI文件可能还没写入存储。建模时必须区分“状态字段”和“实际数据可用性”。

第二，忽略重切、重染、重扫带来的编号膨胀。一个蜡块可能对应多张玻片，一张玻片可能对应多次扫描。如果模型按“一玻片一图像”假设设计，遇到重扫就会出错。正确做法是以玻片号为锚点，图像ID作为可多次出现的子记录。

第三，把诊断环节当成单点。实际诊断可能经历初诊、复诊、免疫组化补充、科内会诊等多个回合。模型介入诊断时，必须明确它服务于哪个回合，以及输出是否会被后续回合覆盖。

完成现状建模后，下一步才是判断哪些节点值得优先接入模型。判断依据不是技术先进性，而是节点是否具备稳定的输入、可定义的输出、可复核的错误代价，以及是否能在不打断现有工作流的前提下嵌入。对于病理科而言，质量门控类节点通常是最稳妥的起点，而诊断辅助类节点需要更长的验证周期和更严格的合规路径。