在医疗AI实验室的第三阶段实验中，我们把研究范围收窄到一条可验证的链路：病理全切片图像的可疑区域标注，以及它如何嵌入医生的日常复核流程。
本轮实验采用公开数据集与院内脱敏切片混合样本，覆盖乳腺、胃部两类常见标本，共纳入1,240张全切片。方法上未追求端到端黑箱，而是拆成三步：组织区域分割、可疑病灶候选框生成、按置信度分档输出。核心指标不看单张AUC，而看两个更接近临床的量——每张切片平均复核耗时，以及高置信度漏报（模型给低分但医生最终确诊）的例数。
阶段性进展：
- 在1,240张切片上，模型将医生平均阅片时间从8.6分钟压到5.9分钟，阴性切片下降更明显；高置信度漏报3例，均集中于低倍视野下的小病灶，已列为优先修正项。
- 复核界面按置信度做三档着色，医生反馈“中档”提示最易造成犹豫，下一轮将合并为中、低两档之外的二值判定，减少无效决策。
下一步计划：扩展至5,000张切片的多中心验证，并将扫描仪批次差异作为独立变量，检验标注稳定性。我们更关心标注能否被稳定复核，而不是模型能否单点取胜。
评论