Étude de cas : comment le Premier hôpital affilié de l’Université du Zhejiang a construit un écosystème de pathologie entièrement numérique | KFBIO

Contexte

Fondé en 1947, le Premier hôpital affilié à l’École de médecine de l’Université du Zhejiang (FAHZU) est l’un des hôpitaux généraux les mieux classés de Chine, comptant plus de 13 000 employés et un volume annuel de consultations externes dépassant 3,5 millions.
Pour promouvoir sa transformation numérique et améliorer l’efficacité diagnostique, le FAHZU s’est associé à KFBIO afin de construire une plateforme de numérisation de la pathologie intelligente à grande échelle, intégrant la numérisation des lames, la gestion des données, le diagnostic assisté par IA et l’enseignement numérique.

---

Aperçu du projet

En février 2025, le FAHZU avait achevé la numérisation de plus de 4,3 millions de lames de pathologie, soutenue par une solide infrastructure de pathologie numérique KFBIO. Cette étape marque l’un des déploiements de pathologie numérique les plus vastes et les plus complets dans les hôpitaux tertiaires de Chine.

---

Principales réalisations

1. Déploiement complet de l’infrastructure numérique

Le FAHZU a déployé 40 unités de scanners de lames numériques haut débit KFBIO, dont des modèles personnalisés pour les puces à tissus (TMA) et les lames de grand format.
Un cadre de stockage de 6 Po/an a été mis en place pour prendre en charge l’archivage massif de données WSI et un accès à haute vitesse, fournissant la base d’un flux de travail de pathologie entièrement numérique.

2. Gestion des données massives et entraînement de l’IA OmniPT

Une plateforme complète de données massives en pathologie a été développée pour couvrir le cycle de vie complet des données — surveillance des lames, acquisition, stockage et application des données.
Ce système permet une production, une annotation et une gouvernance des données standardisées, fournissant un soutien continu en données pour l’entraînement et l’optimisation du modèle IA OmniPT de l’Université du Zhejiang.

3. Intégration de l’enseignement numérique et de la recherche

Un Centre d’enseignement de la pathologie numérique centralisé a été lancé, intégrant la gestion des lames aux ressources pédagogiques.
Il abrite plus de 10 000 cas de cancer de haute qualité et diverses bases de données pathologiques pour l’apprentissage en ligne, la formation et les examens — améliorant à la fois l’efficacité de l’enseignement et la collaboration en recherche.

4. Contrôle qualité piloté par IA et gestion intelligente

En tirant parti des algorithmes d’IA et de l’analyse de données de KFBIO, le FAHZU a mis en œuvre un QC en temps réel pour les lames numériques, atteignant :

• 100 % de traçabilité des données de pathologie
• Temps de réponse inférieur à 1 s pour la recherche de données
• Amélioration de 65 % de l’efficacité d’utilisation des ressources numériques

La plateforme prend désormais en charge le diagnostic précis, l’enseignement intelligent et la prise de décision clinique collaborative.

---

Résultat

Grâce à sa collaboration avec KFBIO, le FAHZU a construit un écosystème de pathologie entièrement numérique, intelligent et évolutif reliant le diagnostic clinique, la recherche en IA et l’enseignement.
Le projet illustre comment les solutions intégrées de pathologie numérique de KFBIO permettent aux hôpitaux de premier plan de faire progresser la médecine de précision et les soins de santé assistés par IA.

---

Mots-clés

Pathologie numérique · Imagerie de lames entières · Plateforme de données massives · Entraînement de modèles IA · Intégration pédagogique · Hôpital intelligent