医学影像AI辅助诊断：跨院数据漂移与阈值校准

肺部CT结节检出模型在单中心数据上表现稳定，但换到不同厂商设备与重建算法后，输入分布出现偏移：同一模型对阴性切片的评分整体上移，固定阈值下每例假阳性明显增加。我们没有立刻重训模型，而是把问题拆成两件事——域间分布差异，以及阈值本身不可迁移。

做法是在推理侧加一层轻量校准：用目标域未标注影像的评分分布做分位数对齐，再按院区重标定报警阈值；落入灰区的结节只提示、不下结论，最终判读权仍归医生。

要点：
• 进展：在某三甲医院两个院区的回顾性数据上，阈值重标定后每例平均假阳性标记由 3.1 降至 1.4，敏感度波动在 0.5 个百分点以内，单例阅片时间缩短约 15%。
• 下一步：把校准模块扩展到低剂量扫描协议与更多设备型号，验证完全无标注条件下阈值迁移的稳定性，并接入医生采纳／驳回反馈形成持续校准闭环。