2025年6月14-16日，第六届国际兽医检测诊断大会（AVDC）在六朝古都南京盛大召开。作为亚洲兽医诊断领域的顶级盛会，大会再次聚焦“强有力的兽医诊断，提高动物健康与食品安全”的核心宗旨，汇聚了全球智慧。 

百余位海内外顶尖专家围绕分子诊断、AI应用、病理学、实验室质量管理等关键领域，分享了最前沿的研究成果与实践经验。 

为将这份知识盛宴传递给更多同仁，冠牧精准诊断团队特将大会的精华内容梳理提炼。我们将陆续与您分享这些宝贵的学习笔记，希望能与您共同学习，一起进步。敬请持续关注！

会议笔记（一）

报告人：爱荷华州立大学，张建强教授

报告主题：破译蓝耳“族谱”  ——  全新谱系/亚谱系分类法在猪场精准防控中的应用指南

会议笔记（二）

报告人：黎凡潘（Le Van Phan）副教授，越南国立农业大学（VNUA）

报告主题：越南非洲猪瘟疫情及疫苗研发最新进展

会议笔记（三）

报告人：赵康宁博士，南京农业大学

报告主题：构建现代养猪生产的“预警与刹车”系统——检测及监测体系设计

会议笔记（四）

报告人：吴宗福，南京农业大学教授

报告主题：猪链球菌病及其病原检测

会议笔记（五）

报告人：Derick Whitley 博士，美国兽医病理学专科医师

报告主题：兽医诊断的未来——AI如何重塑行业格局？

当前，人工智能（AI）的浪潮正以前所未有的力量席卷全球各行各业，兽医诊断领域亦不例外。在一场备受瞩目的行业分享会中，美国执业兽医病理学家（DACVP）Derick Whitley博士，以其在AI诊断领域的丰富实践和前瞻性视角，为我们系统描绘了AI技术如何正在并将继续改变兽医诊断的游戏规则。本次分享不仅是对现有AI应用的一次全面巡礼，更是对未来机遇与挑战的深刻洞见。

德里克·惠特利（Derick Whitley），兽医学博士（DVM），美国兽医病理学专科医师（DACVP），是一位兽医病理学家、创新领袖和企业家，致力于通过技术创新推动动物健康事业发展。职业生涯初期，德里克曾从事私人兽医临床工作，后于德州农工大学（Texas A&M University）接受专科培训，成为美国认证兽医病理学家。在Antech诊断公司任职的8.5年间，他主导完成了兽医乃至人类医疗领域首个大规模数字病理学转型项目，彻底革新了诊断技术体系。

讲者首先指出，我们正处在一个激动人心的技术变革时代，一场“AI革命”正在发生。这场革命并非偶然，而是过去数十年间多股力量融合形成的“完美风暴”。具体而言，四大核心驱动力共同催生了AI在兽医诊断领域的爆发式增长：

1. 诊断数据的爆炸式增长：随着生物学和医学诊断的数字化转型，海量的数字数据得以积累。

2. AI技术的飞速进步：特别是深度学习和大型语言模型等关键技术的突破。

3. 稳健的全球网络基础设施：高速、低成本的数据传输能力为AI模型的训练和部署提供了土壤。

4. 社会文化对AI的广泛认知：：公众和资本市场对AI的关注与投入达到了前所未有的高度。

这四大因素的协同作用，为AI在兽医诊断领域的全面应用奠定了坚实的基础。

AI的燃料是数据。讲者详细回顾了兽医诊断各分支领域在过去二十年间的数字化进程，正是这一进程积累了AI模型训练所需的海量数据集。

放射学（Radiology）：自上世纪90年代末起，兽医放射学开始向数字化转型。如今，在美国，大动物和小动物医院的数字放射设备普及率已高达67%至97%。这为AI图像分析积累了数以百万计的影像资料。

组织病理学（Histopathology）与细胞学（Cytology）：兽医商业实验室自2014年起大规模转向数字病理，目前超过75%的组织病理学诊断已实现数字化。讲者特别强调，兽医病理学的数字化进程甚至领先于人类医学。细胞学的数字化转型稍晚，始于2016年，目前约有50%已数字化，且仍在快速发展中。

分子诊断（Molecular Diagnostics）：基因测序成本的急剧下降是另一大推手。人类基因组测序成本已从2001年的超9000万美元降至2024年的不足200美元。成本的降低使得基因测序在兽医领域的应用日益普及，产生了海量的数字序列数据，为AI模型的应用创造了条件。

与此同时，全球互联网基础设施，包括宽带速度、移动网络速度以及GPU计算成本效益，在2010年至2025年间实现了指数级增长，为海量诊断数据的传输与处理提供了可靠保障。

讲者还提到，全球宠物保有量和宠物医疗消费水平的持续攀升，尤其是在中美两大市场，为高科技含量的AI诊断产品提供了广阔的市场空间和商业化的可行性。

而远程医疗（Telehealth）的兴起，特别是在新冠疫情的推动下，不仅改变了诊疗模式，也催生了大量可用于AI模型训练的数字化病例资料。

2022年，以ChatGPT为代表的大型语言模型（LLM）的问世，让AI“感觉变得智能”，极大地提升了社会对AI的认知度和关注度。资本也迅速涌入，AI领域的风险投资和私募股权投资额从2019年的25亿美元飙升至2024年的560亿美元。

讲者简要回顾了AI的概念层次（人工智能 > 机器学习 > 深度学习），并强调AI并非一个全新的概念。从1960年代的规则型系统，到70-90年代的集成决策树，再到2012年以后深度学习与Transformer架构的兴起，AI技术一直在演进。当前我们所经历的，是深度学习技术突破带来的应用大爆发。

在诊断领域，AI的应用机遇遍布于商业运营和研发两大环节。在商业端，AI可用于工作流自动化、报告自动生成、图像分析、客户沟通等；在研发端，则可助力多模态数据整合、预测性建模、智能靶点设计和深度数据挖掘。

讲者特别指出，兽医医学因其相对较低的监管门槛、领先的数字化诊断基础以及对效率提升的迫切需求，使得AI技术在短期内甚至可能超越在人类医学中的应用步伐，这为行业带来了独特的发展机遇。

计算机视觉是目前AI在兽医诊断中应用最广泛、最成熟的领域。它利用深度学习模型（如CNN、UNET、Vision Transformers）让计算机能够理解和解释图像与视频，实现模式检测、对象分类和决策制定。

4.1 放射学（Radiology）应用

放射学是AI应用的“重镇”。在美国FDA批准的超过1000个AI应用中，76%（758个）与放射学相关，主要用于病例分诊、提升效率、图像测量、特征检测和初步解读等。放射学之所以成为AI的理想应用场景，是因为其存在巨大的市场需求（影像数量远超放射科医生数量）、拥有海量标准化的图像数据集，且本质上是基于灰度图像的模式识别。

人类医学案例：斯坦福大学的CheXNet模型在胸片肺炎检测上的表现已超越执业放射科医生。同时，像GE医疗这样的大型公司也已将深度学习模型用于冠状动脉钙化积分的自动计算，表明AI已不再是初创公司的专属。

兽医医学商业化案例：

多家公司如Antech, Idexx, Signalpet, Radimal, Vetology等已推出成熟产品。

Antech RapidRead™：作为即时诊断（Point of Care, PoC）工具，它能在大约10分钟内生成放射学报告，识别犬猫超过50种异常。该模型基于1600万张图像训练，能覆盖心血管、胸腔、肺部、胃肠道等多个系统，并能自动标记高危病例，提请放射科专家确认。其牙科版本RapidRead Dental同样可在10分钟内完成逐颗牙齿的分析，准确率高达98%。

Radimal：则通过提供疾病可能性的预测和热图（heat map）功能，直观地引导临床医生关注病变区域。

未来趋势：讲者展示了名为ReXplain的创新报告工具，它利用大型语言模型（GPT-4o）和图像分割技术，将复杂的放射学报告转化为由虚拟人讲解的、通俗易懂的视频，极大地改善了与宠物主人的沟通体验。展望未来，短期内AI将扮演提升效率的“副驾驶”角色，但长期来看，随着技术日益精准，AI在一定程度上替代部分放射科医生的工作似乎是不可避免的商业趋势。

4.2病理学（Pathology）应用

尽管病理学AI的发展比放射学要年轻（FDA批准应用仅4个），但鉴于兽医病理学高度的数字化基础，其发展潜力巨大。

人类医学案例：Paige公司的AI产品（如PanCancer Detect）能辅助病理医生在多组织切片中识别可疑癌变区域，提高诊断效率和准确性。中国公司Landing Med的AI辅助宫颈抹片筛查量已突破1000万例。2024年发表于《自然通讯》的研究也证实，AI辅助的细胞病理学家在宫颈细胞学分级中的表现显著优于独立工作的病理学家。

兽医病理学机遇：兽医病理学面临病理医生数量有限、成本敏感等挑战，AI的介入能有效提升效率、量化传统上难以量化的指标。

        ■ 特征注释与计数：AI可以精准、高效地完成有丝分裂像计数、免疫组化（IHC）阳性细胞定量、细胞核大小与多形性评估等重复性高且耗时的工作。 讲者分享了其团队开发的有丝分裂像自动计数模型，该模型能自动定位密度最高的区域（10个高倍镜视野）进行计数，这是人类难以精确完成的。

■ 从H&E图像预测基因组学状态：这是最前沿、最令人兴奋的方向之一。大量研究表明，AI仅通过分析常规H&E染色切片的形态学特征，就能够预测肿瘤的特定基因突变状态（如HRD, EGFR, MSI），无需进行昂贵的基因检测。在兽医领域，已有研究成功利用AI模型从H&E图像预测犬肥大细胞瘤的c-KIT基因突变状态，准确率高达87%。

      ■ 细胞学（Cytology）应用：AI模型已被开发用于犬皮肤肥大细胞瘤的细胞学分级，在识别肥大细胞、细胞核、多核细胞及有丝分裂等关键特征方面表现出很高的精确度。

4.3即时诊断（Point of Care, PoC）细胞学应用

    随着小型化、低成本的数字玻片扫描仪在兽医诊所的普及，即时诊断细胞学正迎来AI应用的浪潮。

    Idexx：推出了用于尿沉渣分析的Sedivue Dx分析仪，以及即将推出用于血液形态学、耳道细胞学和肿块细针抽吸（FNA）分析的inVue Dx细胞分析仪。

Zoetis：其Vetscan Imagyst平台通过在简单的硬件上叠加多层AI软件，实现了粪便、皮肤、尿液、血液涂片等7合1的AI分析功能。

4.4计算机视觉的更多创新应用

AI视觉技术正催生全新的诊断与监测工具：

步态分析：瑞典公司Sleip利用视频分析对马匹进行客观的步态分析，将传统上主观的跛行检查变得量化和精准。

动物福利监测：OneCup等公司利用AI视觉技术进行牲畜和野生动物的疾病识别、行为分析，赋能精准农业和动物福利保障。

胶囊内窥镜：MiroVET提供一种可吞咽的微型胶囊相机，用于拍摄消化道全程影像，再由AI模型分析海量视频，筛选出关键病变图像供兽医审查，使内窥镜检查更普及、无创。

疼痛评估：sylvester.ai通过分析猫的面部特征（如耳朵位置、瞳孔大小、胡须方向）和身体姿态，来客观评估其疼痛程度。

本次分享为兽医诊断领域的从业者，特别是实验室管理者和一线临床兽医，带来了极具价值的洞见和启示。我们提炼出以下几点核心学习心得：

· 数字化是AI应用不可逾越的前提。无论是放射学还是病理学，AI的成功应用均建立在长达十余年的数字化数据积累之上。对于尚未完全数字化的实验室或医院，加速推进工作流程的全面数字化，是拥抱AI时代的第一步，也是最关键的一步。

· AI正从“辅助工具”向“一线诊断者”转变。以Antech RapidRead、Idexx Sedivue和Zoetis Imagyst为代表的即时诊断（PoC）AI设备，已经可以直接向临床医生提供初步诊断报告，无需专家介入。这意味着临床兽医需要学习如何正确使用、解读并评估这些AI工具的诊断结果，理解其能力边界和潜在风险。

· AI正在解锁全新的诊断范式。“从H&E切片预测基因突变”和“通过视频分析客观评估跛行”等应用，展示了AI能够完成许多传统方法无法实现的任务。管理者应关注这些前沿技术，思考如何利用它们为客户提供过去无法企及的、更精准、更经济、更无创的诊断服务。

· “多模态AI”是攻克复杂疾病的未来方向。Imprimed的成功案例表明，单一维度的诊断信息是有限的。通过AI整合临床信息、药物敏感性、分子数据等多源头信息，能够显著提升对复杂疾病（尤其是肿瘤）的治疗预测能力。未来的诊断竞争，将是数据整合与综合解读能力的竞争。

本次由湖南冠牧生物科技有限公司【冠牧精准诊断】整理发布的系列学习笔记，内容均源自第六届AVDC大会的专家分享。在此，我们向大会主办方AVDC致以诚挚的感谢，为兽医行业同仁搭建了如此高质量、高水准的知识交流平台，让顶尖智慧得以广泛传播。

古人云：“独学而无友，则孤陋而寡闻。”为了能持续获取未来行业盛会的前沿资讯与权威动态，我们强烈推荐您关注AVDC的官方公众号。

而【冠牧精准诊断】作为“兽医检测专家” ，不仅是您忠实的学习伙伴，更致力于将前沿智慧转化为养殖场内稳定、可靠的精准诊断工具与解决方案 。我们将持续为您带来更多一线、深度、可落地的技术解读与实战案例。

让我们与行业思想同行，与优秀伙伴携手，共同为中国养殖业的健康、可持续发展贡献力量！

1、兽医诊断会议笔记（一）|张建强：破译蓝耳“族谱”——全新谱系/亚谱系分类法在猪场精准防控中的应用指南

2、兽医诊断会议笔记（二）越南非洲猪瘟疫情及疫苗研发最新进展

3、兽医诊断会议笔记（三）赵康宁：构建现代养猪生产的“预警与刹车”系统——检测及监测体系设计

4、兽医诊断会议笔记（四）吴宗福：猪链球菌病的深度解析——从病原特性到前沿检测技术