综述：E pluribus unum：诊断专家 人工智能会促使放射学与病理学合并为一个专业吗？

《European Journal of Radiology Artificial Intelligence》：E pluribus unum: The diagnostician: Will Artificial Intelligence prompt a merger of radiology and pathology into one specialty?

　　人工智能驱动放射学与病理学整合为精准医学提供新路径，需通过跨学科教育、数据互操作平台、伦理框架构建实现统一诊断体系。

　　人工智能正在重塑诊断医学的根基，为传统上各自独立的放射科和病理科带来了新的融合可能性。随着AI技术的发展，图像分析与组织病理学之间的界限逐渐模糊，使得保持这两个专业独立的必要性变得不再那么明显。一种更合理的做法是将它们合并为一个统一的诊断医学专业，这不仅能促进跨学科的协同效应，还能帮助临床医生提供更精准、更及时和更个性化的医疗服务。本文主张，放射科与病理科的融合不仅是未来医学发展的趋势，更是实现精准医学的重要一步。通过整合影像、组织病理学和分子诊断数据，将培养出新一代的诊断专家，他们能够应对复杂的数据环境，并在临床决策中提供更深层次的见解。

放射科和病理科的合并并非仅仅是一种理论上的设想，而是应对精准肿瘤学、适应性放射治疗和个性化医疗需求的必要演变。在这一背景下，学术机构和跨国公司已经在整合诊断流程方面进行了探索，展示出这种模式的可行性与临床价值。本文旨在推动这一融合的实现，探讨在技术、教育和制度层面需要进行的改革，并通过案例研究和利益相关者的观点来强调其紧迫性和潜力。

在实际应用中，已有多个机构和平台展示了这种整合模式的成效。例如，加州大学洛杉矶分校（UCLA）建立了一项整合放射科与病理科的诊断流程，特别针对乳腺癌的诊断。他们的模型通过创建结构化的、标准化的流程，确保放射科和病理科部门之间的实时沟通，从而提高了诊断的准确性并减少了假阴性结果。此外，UCLA的整合诊断共享资源（IDX）维护了一个长期数据库，将放射科、病理科、分子和结果数据相连接，支持多种癌症类型的科研和临床决策，使得病变级别的注释和基因组关联成为可能。

在数字病理学领域，Proscia公司开发了Concentriq平台，该平台结合了病理学、分子和临床数据，通过人工智能技术为超过22,000名患者提供每日诊断服务。这一平台不仅支持生物标志物的发现，还帮助制药公司优化临床试验，并制定个性化的治疗方案。Proscia的成功展示了数字病理学在整合影像数据和人工智能技术后，如何成为精准医学的核心支柱。他们与西门子医疗和安捷伦科技的合作也进一步验证了这种整合模式在商业和临床层面的可行性。

此外，2024年美国国家科学院（National Academies of Sciences）举办了一次关于整合诊断的研讨会，重点探讨了放射科、病理科和实验室医学在精准肿瘤学中的融合潜力。专家们强调，结合AI支持的诊断数据流可以更有效地指导治疗决策，并改善患者的治疗效果。研讨会还指出，肺癌是整合诊断的一个重要例子，因为这种模式决定了患者是否符合靶向治疗的条件。

在教育和培训方面，为了支持这一新的诊断医学专业，需要设计统一的课程体系。这一新专业将融合放射科、病理科、分子诊断和人工智能素养的核心能力。培训改革不仅包括新的课程内容，还涉及整合性的住院医师培训项目，这些项目将安排学员在放射科、病理科、肿瘤学和医学信息学领域轮转，同时提供双导师制和跨学科经验。此外，还应设立针对肿瘤诊断、人工智能辅助诊断、分子影像与病理学以及数字健康与信息学等子专业的进修机会。认证与资质方面，可以考虑通过美国放射学院（ABR）和美国病理学院（ABP）的联合路径，或者建立一个新的诊断医学委员会。

在持续医学教育（CME）中，应涵盖人工智能伦理、偏见缓解、生物标志物、适应性治疗和整合报告标准等内容。这些培训将帮助未来的诊断专家更好地应对复杂的数据环境，并在临床实践中发挥关键作用。教育和培训的改革不仅是医学教育现代化的必要步骤，还将吸引新一代的医疗从业者，他们渴望在数据驱动的医疗环境中发挥领导作用。

从利益相关者的角度来看，临床医生和肿瘤学家普遍支持整合诊断，因为他们认为这种模式能够提高治疗规划和疗效监测的效率。肿瘤委员会和多学科团队能够从统一的诊断报告中受益，这些报告减少了诊断不一致的问题，并简化了决策流程。医院管理者则将整合诊断视为一项战略资产，他们指出，83%的医院首席执行官（CEOs）对实验室技术人员短缺感到担忧，这促使他们对跨专业培训的诊断专家产生兴趣。管理者认为，整合的实验室策略对于提高运营效率、标准化治疗和降低成本至关重要。他们还强调了临床医生和患者实时获取诊断数据的重要性。

在行业层面，诊断公司的高管们认为未来的重点在于非侵入性生物标志物检测、人工智能辅助诊断和数据互操作性。行业利益相关者正在投资于能够整合放射科、病理科和分子数据的平台，以支持早期诊断和个性化医疗。他们认为，这种专业合并可以潜在地减少临床医生的疲劳，促进创新，并提高治疗效果。

从教育和培训的角度来看，一项来自图宾根大学的定性研究发现，临床医生、学生和人工智能专家普遍认为AI的整合提高了效率，减轻了工作负担，并增强了患者的安全。然而，仍然存在一些担忧，例如对技术的过度依赖、伦理问题以及需要透明的决策过程。利益相关者强调了跨学科合作的重要性，并指出需要根据具体情况制定实施策略。

整合放射科和病理科的挑战并不少，但这些挑战也可以被视为改进医疗服务和专业实践的机会。通过建立统一的诊断医学专业，可以更好地应对疾病的复杂性，特别是在肿瘤学领域。AI的应用使得影像特征与组织病理学和分子数据之间的关联成为可能，为临床医生提供多维的疾病视角。这种融合已经在多个机构和行业领导者中得到实践，他们采用整合诊断平台，将放射科、病理科和基因组学相统一。

然而，实现这一愿景需要克服数据整合、跨学科合作、基础设施建设和伦理治理等方面的挑战。这不仅需要技术上的突破，还需要教育体系的改革、培训项目的更新以及医疗制度的调整。最终，本文认为，诊断医学的未来在于接受这种融合，通过推动创新、改革教育和协调各方利益，诊断专家将更好地为患者提供基于数据的、高效和以患者为中心的医疗服务。这种专业合并代表着医疗体系的一次深刻变革，医疗系统应积极考虑并为此做好准备。