华为云与瑞金医院发布 RuiPath 2.0：7B 病理大模型覆盖 19 个常见癌种

据 IT之家 8 月 30 日消息，瑞金医院今日联合华为云正式发布瑞智病理大模型 RuiPath 2.0。该模型面向数字病理诊断场景，参数规模达到 7B，覆盖 19 个常见癌种，诊断任务扩展至 205 项。来源显示，RuiPath 2.0 此次重点围绕性能、诊断能力、可解释性、罕见病种数据训练以及轻量化部署进行升级，目标是让 AI 能够更深入地参与病理医生的日常诊断流程。

病理诊断通常被视为肿瘤诊疗中的关键环节，医生需要在显微图像中判断组织结构、细胞形态和病变特征。随着数字切片和多模态模型的发展，AI 在病理领域的应用正在从单点识别走向更复杂的综合判断。RuiPath 2.0 的发布，也反映出医疗 AI 正在从“辅助阅片工具”向“专科基础模型”演进。

从任务覆盖到可解释性：RuiPath 2.0 的五项升级

根据发布信息，RuiPath 2.0 的诊断任务数量增至 205 项，覆盖病理医生 90% 以上的日常诊断场景。相比只针对某一种癌种或某一类影像特征的模型，这类病理大模型更强调通用基础能力：既要适配不同癌种，也要支持不同诊断问题。

此次升级中，较值得关注的是病理诊断可解释性。来源提到，RuiPath 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。这意味着模型不只是给出“疑似”或“判断结果”，还需要在关键病理特征上提供可追溯依据。对于医疗场景而言，可解释性往往直接关系到医生是否愿意采纳 AI 建议，也关系到诊断责任边界和临床质控。

从公开信息看，RuiPath 2.0 的核心信息包括：

• 模型规模：基础模型参数规模为 7B；
• 覆盖范围：覆盖 19 个常见癌种；
• 诊断任务：扩展至 205 项，来源称为业界最全；
• 日常场景：可覆盖病理医生 90% 以上的日常诊断场景；
• 性能表现：基础模型在 59 项下游诊断任务中，有 42 项达到行业 SOTA 水平。

罕见病种数据稀缺，生成式模型成为训练补充

医疗 AI 的难点不只在模型结构，也在数据。常见癌种通常能积累更多样本，而罕见病种数据稀缺、标注成本高、病例分布不均，会限制模型泛化能力。此次华为云与瑞金医院针对这一问题，打造病理多模态生成式模型，用于合成训练数据，以提升模型精准度。

来源显示，在有无淋巴瘤诊断中，该方案准确率达到 96.48%。需要注意的是，这一指标对应的是特定任务表现，并不等同于模型在所有癌种和全部场景中的统一诊断准确率。但它说明，生成式模型正在成为医疗 AI 训练体系中的一类重要补充：在合规和质量控制前提下，合成数据有望缓解长尾疾病样本不足的问题。

影响解读：医疗 AI 落地正在进入“云端大模型 + 边缘轻量化”阶段

除 7B 基础模型外，华为云与瑞金医院还同步推出轻量化模型 RuiPath 2.0 Edge。该模型参数为 200 万，可直接部署在医院普通 PC 上，并与云端协同实现分钟级推理。这一设计对落地很关键，因为医院信息化环境差异较大，并非所有科室都具备高性能算力或稳定的集中式推理条件。

从产业趋势看，医疗大模型要真正进入临床流程，不能只追求参数规模和榜单指标，还必须解决部署成本、响应速度、数据安全、医生协同和可审计等问题。云端大模型适合承担复杂推理、持续迭代和多任务能力沉淀；边缘侧轻量模型则有助于在院内部署、降低使用门槛，并提高对实际工作流的适配性。

对中文医疗 AI 生态而言，RuiPath 2.0 的发布具有标志意义：病理大模型正在从科研验证走向更系统的临床辅助能力建设。未来其价值仍取决于多中心验证、真实世界应用反馈以及与医院病理系统的深度整合。对于医生来说，AI 更现实的角色不是替代诊断，而是在高负荷阅片、疑难病例筛查、质控复核和知识提示中提供更稳定的辅助支持。