一张病理切片，两位病理医生，有时会得出两种不同的结论。这种主观性并非个案——据埃尔莫尔等人2017年发表于《英国医学杂志》的研究，在黑色素细胞病变等诊断难度较高的病灶类别中，不同病理医生之间的一致性和准确率甚至低于50%。

与此同时，病理医生的培养周期漫长、数量增长缓慢，供需缺口日益加剧。当“金标准”不再稳固，临床诊断和药物研发都在呼唤一种更客观、更标准化的解决方案。

PathAI正是致力于解决这些痛点的公司——团队用人工智能算法分析病理切片，试图消除主观差异、实现诊断标准化，目前推出全球首个获FDA和EMA双重认证的AI驱动病理药物开发工具。

5月7日，罗氏诊断宣布与PathAI签署最终合并协议，以7.5亿美元（约合人民币50.99亿元）的一次性付款收购这家AI病理公司，并额外附加最高3亿美元的里程碑款项，总对价达10.5亿美元（约合人民币71.39亿元）。该笔交易预计在2026年下半年完成。

收购逻辑立足双方资源互补：罗氏诊断拥有全球领先的伴随诊断业务和肿瘤药物管线，PathAI提供了从数字病理图像管理到AI辅助诊断再到药物临床试验终点评估的完整技术栈。二者整合可打通切片染色、扫描、智能分析至伴随诊断出具报告全链路，补充罗氏诊断现有的数字病理产品组合、提升实验室效率。

据官方公告，罗氏诊断将依托自身全球化渠道在全球落地AISight；而PathAI也可借助罗氏诊断完备的基建与合规资源，加速产品落地海内外实验室与制药企业。

罗氏诊断为什么选择PathAI？答案藏在PathAI的资产、团队、产品和平台化定位中。

PathAI是一家开发AI软件和数字病理系统的公司，成立于2016年，总部位于美国。业务覆盖诊断工作流程、临床研究和药物开发，其使命是通过人工智能驱动的病理学改善患者结局——让诊断更准确、让患者匹配更有效的治疗方案、让更多救命药物获批上市。

与多数AI医疗公司选择单一赛道不同，PathAI从一开始就确立了“诊断+药物研发”双轮驱动的商业模式：既服务于临床端的解剖病理实验室，也服务于科研端的生物制药企业。

支撑这一商业模式的，是PathAI积累的三项核心资产。

首先是庞大的标注数据资产。公司建立了一个由超过450名认证病理学家组成的专有网络，累计贡献了超过3250万条医学图像标注数据，覆盖20多种器官类型、多种染色协议，用于AI模型的训练和验证。

其次是覆盖全流程的合规能力。PathAI获得了ISO 13485和ISO 27001认证；其数字病理平台AISight Dx获得了FDA 510(k)批准和CE-IVDR认证，可用于临床初级诊断。在药物开发和辅助诊断领域，PathAI的产品也获得了FDA和EMA的认证。这说明，PathAI的产品不仅可以用在实验室里，还可以直接作为临床试验的终点评估工具，被全球药监机构接受。

第三是端到端的实验室运营能力。通过收购和自建，PathAI掌握了从湿实验室服务到临床试验算法部署的全链条能力，能够为客户提供从组织接收到数字化扫描再到算法部署的全流程解决方案。

在市场验证方面，全球前15名生物制药公司中有90%采用了其技术。公司参与了超过100个转化研究项目，26项临床试验正在使用其算法，覆盖肿瘤和代谢相关脂肪性肝炎两大领域。2025年，公司启动了精准病理网络，这是全球首个数字解剖病理实验室网络，旨在通过统一技术平台连接分散的实验室，释放真实世界病理数据的价值。

从数据资产到合规认证，从实验室运营到药企合作网络，PathAI构筑的是一整套围绕病理学的数字基础设施。这也正是罗氏诊断所看重的——它不是一个需要整合的零散技术点，而是一个可以直接完整嵌入罗氏诊断体系的成熟平台。

PathAI的领导团队融合了工程、机器学习、生命科学、医学、监管等多个领域的专长，并拥有罗氏诊断、AI医疗初创公司等丰富产业背景。

创始人兼首席执行官Andrew Beck拥有布朗大学历史学学士、医学学位及生物统计学硕士学位，在斯坦福大学完成了解剖病理学和分子遗传病理学专科培训，并获得生物医学信息学博士学位。他曾在哈佛医学院病理学系担任教职，发表了110多篇论文。他的跨界轨迹本身就是PathAI“用技术重构病理学”这一使命的缩影。

核心高管团队带有鲜明的“罗氏诊断印记”。首席医疗官Eric Walk加入PathAI前，担任罗氏诊断/Ventana病理系统的首席医疗与科学官，领导了超过20项510k和PMA IVD检测、伴随诊断及数字病理算法的开发及FDA批准。首席增长官Nick Brown则来自Flatiron Health——这家肿瘤数据平台公司于2018年被罗氏诊断收购。他在Flatiron期间担任国际业务主管。当PathAI收购案达成后，这支具备罗氏诊断产业背景的高管团队有望降低整合阻力、加速组织嵌合。

此外，首席财务官Brandon Eldredge曾任麻省总医院布赖厄姆首席临床业务官和Syneos Health高级副总裁；总法律顾问Chris Kirby拥有法学博士和公共卫生硕士学位，在医疗保健和生命科学领域拥有超过20年的法律和商业管理经验；首席人事官Liz Storti领导了公司2.4亿美元的融资，推动了多次收购整合。他们共同构建了PathAI从技术创业公司向规模化企业迈进所需的治理根基。

在技术层面，机器学习专家Anand Sampat拥有加州大学伯克利分校和斯坦福大学人工智能实验室的学术背景，曾联合创立开源机器学习平台Datmo，专注于AI开发的环境一致性与实验可复现。加入PathAI后负责新产品线的机器学习研发；首席产品经理Abdo Mahmoud拥有超过7年的AI产品构建经验；监管事务副总裁Nick Anderson来自路易斯维尔大学工业工程系，曾在FDA工作超过10年。他们覆盖了从算法研发、产品设计到监管落地的完整能力链条。

领导团队情况（图源：PathAI官网）

除了核心管理团队，PathAI还构建了一个由超过450名董事会认证病理学家组成的专有贡献者网络。他们深度参与数据标注和模型验证工作，包括标注规范的制定、疑难病例的共识评审、算法输出的验证等，确保AI模型始终在临床真实的轨道上迭代。

PathAI的产品体系围绕其核心数字病理平台AISight展开。AISight是一个云原生的图像管理系统，兼容主流扫描仪和实验室信息系统。

基于AISight，PathAI构建了两个相互协同的业务生态。一方面为解剖病理实验室提供工作流程管理和AI辅助诊断工具，另一方面为生物制药行业提供AI驱动的转化研究算法和临床试验服务。

在实验室端，PathAI提供的是提升日常诊断效率和质量控制的工具集。

工作流优化方面，质控工具ArtifactDetect可自动筛查褶皱、气泡、染色异常等各类切片伪影，并匹配如重新扫描、重新盖玻片等整改方案。目前，全球落地累计处理超100万张切片，等效节省1.5名专职质检人力，单实验室每日可减少75张无效切片核验工作。

TumorDetect用于病例优先排序，它能自动识别疑似恶性肿瘤的病例，并将其提前到病理学家的工作列表前列。一项模拟研究显示，TumorDetect将当日上午审查的恶性病例比例从50%提高到71%；AIM-TC自动计算H&E切片上的肿瘤总面积、肿瘤核百分比等指标，帮助判断样本是否满足NGS检测要求。

AISight提供的人工智能驱动肿瘤充分性评估产品（图源：PathAI官网）

生物标志物定量方面，AIM-PD-L1系列覆盖非小细胞肺癌、头颈鳞癌、黑色素瘤、尿路上皮癌等多个癌种，兼容多种抗体克隆。AIM-IHC乳腺面板整合了HER2、ER、PR、Ki-67四个关键指标，实现自动化评分。

辅助诊断方面，PathAssist Derm针对皮肤病理学领域，提供基于AI的标本定向、优先排序和关键测量，并已于2026年3月获得FDA突破性设备认定。

PathAssist Derm的AI分析流程示例（图源：PathAI官网）

此外，AISight整合DeepBio、Mindpeak、Paige、Visiopharm等40余款第三方病理算法，打造一站式AI集成平台，实验室无需切换多系统，即可按需调用各类顶尖智能诊断工具。

在制药端，PathAI的价值在于将病理图像转化为可量化的研发资产。

转化研究方面，PathExplore依托PathAI自研的PLUTO模型，以单细胞精度解析肿瘤微环境，单张H&E切片可输出600余项可解读量化特征，覆盖14种癌症适应症。目前，已完成15万余张切片分析，助力50余篇学术成果刊发。同技术体系衍生LiverExplore和IBDExplore则分别针对MASH和溃疡性结肠炎，提供超过1000个特征的定量分析。

PathExplore工作流程（图源：PathAI官网）

临床试验服务层面，PathAI运营着符合CAP/CLIA和GCP/GCLP标准的中央病理实验室，提供从组织接收到AI辅助读片再到报告生成的全流程服务。

合规云端平台AISight汇集全球80%的中央实验室供应商，实现远程中心阅片与AI指标测算。

而最具里程碑意义的产品是AIM-MASH AI Assist。它基于超过5900份来自六项不同临床试验的肝脏活检样本训练，能够帮助病理学家评估MASH患者的疾病活动度和纤维化阶段。数据显示，该算法100%可重复，在多项测试指标上均优于人工病理学家。

2025年，它先后获得EMA和FDA的双重认证，成为首个也是唯一一个被两大监管机构认可的AI驱动病理药物开发工具。这意味着在大型全球临床试验中，申办方可以用更少、更一致的病理学家资源完成入组筛选和终点评估，加快药物开发进程。

PathAI在MASH治疗开发流程的各个阶段提供支持（图源：PathAI官网）

事实上，两条业务线发挥协同效应，共同反哺PathAI自有产品体系。实验室端的日常诊断产生海量病理数据，经处理后汇入真实世界数据库，支撑制药端算法的训练与优化；制药端在合规临床试验中完成严谨验证的算法，既能提升算法临床可靠性，又反向回流至实验室，成为病理医师日常诊断辅助工具。由此形成实验室数据供给、药企算法落地验证、成熟技术反哺病理诊疗的闭环。

PathAI将AI从概念变成了病理医生工作台上的日常工具和药企临床试验中的标准评估手段。罗氏诊断以7.5亿美元预付款将其收入囊中，不仅是对一家技术公司的认可，更说明了“数字病理将成为诊断和药物开发的核心基础设施”这一趋势。

PathAI成立后累计完成了6轮融资，总金额达3.552亿美元。主要投资方包括General Catalyst、General Atlantic、D1 Capital Partners、Kaiser Permanente、LabCorp、Adage Capital Management、Polaris Partners等。其中，LabCorp的战略投资尤为关键——作为全球领先的诊断实验室服务商，其入局意味着产业资本对PathAI技术路线的实质性认可。

除融资外，PathAI也通过一系列战略交易不断调整业务边界。2021年，公司收购了独立解剖病理实验室Poplar Healthcare，由此进入临床诊断领域。2024年，PathAI与Quest Diagnostics建立战略合作伙伴关系，并以1亿美元出售了部分实验室服务业务，更加聚焦于软件和AI平台。

放眼全球，PathAI的商业模式几乎没有完全一致的对手。Paige拥有FDA批准的前列腺、乳腺、结肠等癌种AI诊断产品；Visiopharm在乳腺癌和肺癌生物标志物定量上积累深厚；Mindpeak、DeepBio等也各有所长。

在中国市场，一批AI病理企业也在快速成长，覆盖肿瘤精准医疗、宫颈癌筛查、病理信息管理等不同细分赛道。其中部分企业的AI辅助诊断产品已获得NMPA认证，并逐步落地临床场景。这些企业侧重于服务医院病理科的日常诊断需求，在服务于药企临床试验和转化研究方面尚处于早期探索阶段。

PathAI的独特之处在于：它同时覆盖了临床诊断实验室和生物制药研发两个市场，拥有从平台到算法再到实验室服务的端到端能力，并且在监管认证的广度上领先——尤其是首个获得FDA和EMA双重认证的AI药物开发工具AIM-MASH。这种“平台+生态”的打法，使其并非一个单点工具，而是一整套围绕病理学的数字基础设施。

对于国内AI病理创业公司而言，PathAI的路径既有参照意义，也划出了需要跨越的门槛——数据规模、监管认证、平台化能力、双轮商业模式。