AI会取代病理学助手吗？AI能读切片——但拿不了手术刀

AI现在能够分析组织切片并以媲美——有时甚至超越——训练有素的病理学家的精度识别癌细胞。[主张] 这一事实在医学领域引发了巨大的兴奋与焦虑，相关头条纷纷暗示病理学正处于颠覆的边缘。但如果你是一名病理学助手，这些头条所忽视的是：没有人在自动化标本切开、涂抹边缘，或决定哪个肿瘤截面首先放上载玻片这些环节。

病理学助手在2025年面临22%的自动化风险和45%的整体AI暴露度。[事实] 这些数字处于一个迷人的中间地带——高到足以引起重视，又低到足以提供真实的工作保障——而任务层面的细分恰恰解释了为何这个支撑着AI最易受冲击医学专科的职业本身却保持着显著的稳定性。

物理与数字的分界

分析组织标本并记录大体所见，其自动化程度为52%。[事实] 这是该职位中AI暴露度最高的任务，原因充分。AI驱动的数字病理学工具可以分析扫描的组织图像、标记异常、测量肿瘤边缘，甚至建议初步诊断。Paige.AI和PathAI等公司开发了经FDA批准的算法，能以高灵敏度从数字切片中检测前列腺癌、乳腺癌及其他恶性肿瘤。[主张] 当标本已数字化——扫描的切片、拍摄的大体标本——AI的表现尤为出色。

但外科及尸检标本的大体解剖自动化程度仅为10%。[事实] 这是该工作的核心实操部分：接收包裹在生理盐水纱布中的外科标本，利用外科医生的缝合线作为标志物进行解剖方向定位，用不同颜色墨水涂抹切除边缘以在处理过程中追踪方向，仔细解剖以暴露病变部位，并挑选将被处理用于显微镜检查的切面。每一份标本都是独一无二的。每一个肿瘤都有其独特的形状、位置以及与周围组织的关系。病理学助手必须实时决定从哪里切割、采样哪个部位，以及如何保全组织的诊断完整性。

考虑一个复杂案例：一份肿瘤邻近手术切缘的部分结肠切除标本。病理学助手必须精确测量肿瘤到最近涂墨边缘的距离（精确到毫米），从周围脂肪中识别并分离区域淋巴结（精准分期的标准是十二个或以上），将肿瘤沿其最厚维度切开以获取浸润深度，并通过照片和详细大体描述记录整个过程。这些决定中的每一个都会影响决定患者治疗方案的癌症分期。

没有机器人能做到这些。不是在2025年，到2028年也不行。[主张] 处理湿滑、浸血组织所需的灵巧性，对复杂三维标本进行空间定向的推理能力，以及判断肿瘤哪些区域对诊断最具决定意义的直觉——这些都以极大差距超出了当前机器人的能力范围。

组织切片的制备与处理（用于组织学检查）的自动化程度为35%。[事实] 自动组织处理机和包埋机处理部分机械步骤——隔夜处理计划、石蜡渗透、切片机校准。但质量控制——确保适当的固定深度、包埋时切面朝向刀片的正确方向，以及适当的切片厚度——仍需要经过训练的人员监督。包埋方向不当会导致整份诊断标本无用，并迫使从大体标本重新切取，耗费数天的周转时间。

尸检辅助是另一个主要为手工操作的领域，自动化程度仅为15%。[事实] 外部检查、器官摘取、重量测量以及病变的系统记录都需要亲身在场和触觉评估，这些是当前任何技术都无法企及的。

一个微小却持续增长的职业

美国仅有约2,800名病理学助手，这是我们追踪的规模最小的职业之一。[事实] BLS预计到2034年增长+7%，反映出老龄化人口产生更多外科病理标本以及全国病理学家短缺（需要辅助人员）所带来的强劲需求。[事实]

年薪中位数$93,680使这成为薪酬最优厚的联合健康职业之一。[事实] 所需的专业培训——通常是来自美国约14个NAACLS认证的病理学助手项目之一的硕士学位——构成了入行门槛，同样也抵御了自动化和劳动力市场竞争。学生完成约22个月的强化培训，包括外科病理轮转、尸检经验和法医病理学接触。这种人类专业知识的投入并不容易被软件复制。

职业格局也受监管和认证要求的影响。美国病理学助手协会（AAPA）和美国临床病理学会（ASCP）提供的认证是医院和实验室的必要条件。经过认证的PA越来越被视为病理部门不可或缺的成员，而非病理学家的替代品——这种定位强化了他们应对自动化的工作保障。

AI为何实际上增加了对PA的需求

这里有一个反直觉的现象：随着AI使数字病理学分析更快速、更易获取，病理实验室处理的标本数量在增加，而非减少。[主张] 当AI能在数秒内筛查一张切片时，实验室可以接受更高的工作量。更高的工作量意味着需要更多标本进行大体解剖、切除和制备——这些正是病理学助手所执行的物理任务。现代病理学的瓶颈正从显微镜检查时间转向标本处理，而这一瓶颈只能通过更多熟练的人手来解决。

AI也使病理学家能够通过数字切片审查远程工作，这意味着病理学家可能不在实验室现场。这使在场的病理学助手作为处理物理标本工作、与外科医生沟通、确保样本质量以及充当远程病理学家的眼睛和双手变得更加重要。[主张] 几家大型学术中心和参考实验室已经围绕这一模式重组工作流程，由PA处理所有大体工作，而远离实验室或在远处城市的病理学家通过数字病理平台进行镜检审查。

还有一个次级效应：随着AI处理越来越多的筛查工作，病理学家将比例更多的时间花在需要签出判断的复杂病例上。这为PA提供支持更复杂大体解剖工作的下游需求——包括临床试验标本、分子病理学工作流程和个性化医疗方案所需的仔细记录和取样。

2028年展望

到2028年，整体暴露度预计将达到59%，自动化风险为34%。[估计] 增长将几乎完全来自数字标本分析和文档工具的改进——更好的大体口述语音转文字、从照片AI辅助测量肿瘤尺寸，以及从扫描切片自动计数淋巴结。物理解剖和制备任务将基本不变，因为自动化这些工作的技术根本不存在任何实用形式，也没有任何当前研究项目以构建它为目标。

可能发生变化的是PA与技术的互动方式。语音控制的大体口述系统、在拍摄标本上叠加尺寸的增强现实测量工具，以及根据影像所见推荐组织切面的AI辅助取样算法，都处于研发或早期部署阶段。掌握这些工具的病理学助手将工作更快、记录更全面，并为其病理团队提供更大价值。

这对您的职业意味着什么

如果您是一名病理学助手或正在考虑这一职业，数据描绘了一幅令人鼓舞的图景：强劲的薪资增长、积极的就业前景，以及AI补充而非取代的物理技能组合。硕士级别的教育门槛、亲手实操的体力工作以及与更广泛医疗系统的紧密融合，共同创造了一个可防御的专业地位。

有三点具体建议值得重视。首先，投入学习数字病理工具和AI辅助口述系统——有效掌握这些技术的PA将成为部门中最有价值的成员。其次，在分子病理学和临床试验的专业大体解剖技术方面积累专长，这些领域的复杂取样方案正在创造高技能利基市场。第三，考虑管理路径：随着病理部门技术日趋复杂，有经验的PA越来越多地进入主管和实验室经理职位，在运营层面协调人机协同工作流程。

物理专长与数字素养的结合将定义这一领域的顶尖人才。查看[病理学助手的完整分析。]

---

AI辅助分析，数据来源于Anthropic经济影响研究、BLS职业预测及ONET任务数据库。*