医疗影像AI预标注：双读一致性与召回下限

在放射科病灶勾画与分类场景中，预标注的价值不在于替代医生，而在于把医生的动作从"从零勾画"压缩为"确认或修改"。本次实验在脱敏后的CT/MR序列上接入预标注模型，并按置信度分层下发：高置信层进入快审通道，低置信层仍要求医生全审。评测指标除效率外，重点盯住病灶级漏标，将其作为放行门槛而非事后统计。

在约1,200例、3,800个病灶的回顾性批次上，单例勾画时间由约6.5分钟降至2.8分钟；分层后高置信层医生删改率11%，低置信层34%，说明分层阈值具备区分度。设定病灶级召回下限0.97后，漏标由每百例约2.1个降至0.6个，代价是约18%的病例被回退到全审。

要点：

• 进展——把Dice与病灶级召回写入日常质控看板，预标注版本变更需重跑一致性基线，避免指标漂移被效率数据掩盖。
• 下一步——引入多中心、多设备数据检验跨机型泛化，并记录医生删改轨迹，用于反向定位模型系统性偏差。