一、一个没有病理医生的村诊所要怎么筛查
偏远县城的村卫生所里没有病理医生。一位女性来做常规采样，一天之内手机上就收到筛查结果——读片的不是那位本就不存在的本地医生，而是云端的一个算法。
这正是中国默默搭起来的宫颈癌筛查基础设施，而站在中心的是武汉兰丁（Lan Ding）。
二、兰丁解决的到底是哪个缺口
病理是癌症诊断里不起眼却绕不开的支柱，而中国恰恰缺它。国家级媒体对全国人力的报道称，大约每 14 万人摊到一名病理医生，且多数集中在大城市医院。县医院常常根本凑不出一个病理科，于是农村女性要么远途去筛查，要么干脆跳过。
宫颈癌是自动化的教科书案例：常见、生长缓慢，在致命之前很久就能从细胞样本里查出来。难点一直是人眼——读玻片枯燥，而受过训练的读片者不够。
三、流水线怎么走完
兰丁由 2000 年海外学成归国的病理医生孙小蓉创办，做的不是单点模型，而是一整套全流程系统。在诊所，样本上自动化染色机、由智能扫描仪扫成标准数据流上传云端；兰丁的垂直大模型先做第一遍筛查，可疑病例转给人类病理医生确认，患者当天就能拿到报告。
数据规模才是胜负手。据公司与官媒报道，兰丁的宫颈细胞数据集接近 1300 万份、总量约 1400 TB，喂出一个约 15 亿参数、在超过 10 亿张标注图像上训练的模型。商业系统已跑了约九年，每月处理约 200 万例。
四、它落到了哪些地方
这张网现在覆盖 31 个省级行政区、超过 2000 家合作医疗机构，包括乡镇卫生院。在兰丁所在地湖北，系统支撑了 2022 至 2024 年的省级免费筛查项目，被地方官员认为帮该省提前约五年达到世卫组织针对适龄女性的 70% 覆盖率目标。
最说明普惠故事的是偏远部署。西藏山南——历史上贫瘠多山、没有病理能力——2019 年后，兰丁的 AI 给当地妇幼保健院带来了接近三甲水平的标准化诊断能力。2025 年 9 月，河南在郑州颐和医院开了首家"AI 数字病理诊断中心"，向周边县诊所用辐射式服务。
五、钱与使命
经济账是它能铺开的一部分原因。兰丁称一例早发现的病人最多可省下约 20 万元（约 2.8 万美元）的后续治疗成本，单次检测成本低到足以支撑大规模公共卫生项目。公司还说把约 10% 的营收投入研发。
这已不只是一个中国故事。兰丁已与十余个"一带一路"国家合作，并称计划五年内与五十国合作，把低成本的云端筛查方法作为可复制的"中国方案"推给资源更少的卫生系统。
六、不止兰丁一家
兰丁是落地最重的例子，但不是孤例。2025 年初，上海瑞金医院与华为云发布 RuiPath，被称为中国首个进入医院生产环境的临床级病理大模型；报道称它覆盖二十余家医院、超过 90% 的常见癌症、准确率在 90% 以上。共同线索是：长期被稀缺专家卡住的病理，正成为中国"用得上"的 AI 与公共卫生交锋的最前线。
诚实的局限
本文多数数字——筛查数量、数据集规模、成本节省、机构覆盖——来自公司与中文官媒报道，而非独立审计披露。AI 筛查是分诊与初读环节，阳性仍由人类病理医生确认，不能读作替代诊断。从宫颈细胞推广到口腔、甲状腺、膀胱等其他癌种还在进行，尚未在规模上被同等证明。14 万分之一的病理医生比例是个被广泛引用的媒体数字，并非精确普查。我未实地走访兰丁部署，跨境落地也取决于当地监管接受度。
普通人现在能做什么
- 如果你在中国属于筛查适龄人群，问一下本地诊所是否用了 AI 驱动的云端病理分诊——它能缩短等待、更早抓住病例。
- 其他地区的卫生系统观察者，应把兰丁和 RuiPath 当成欠发达地区云端病理的案例来跟踪，而不只是当成产品。
- 任何评估"医疗 AI"说法的人，都要坚持确认环节：真正有用的部署是人机协同分诊，不是自主诊断。