在胸部CT肺结节筛查场景中，模型跨设备、跨扫描参数的泛化能力，往往比单中心AUC更决定能否真正落地。本期实验我们没有继续冲高灵敏度，而是把重心放在一个更务实的问题上：哪些片子可以放心交给AI先看，哪些必须回到医生桌上。
做法是用测试时增强的预测方差与蒙特卡洛Dropout估计逐病灶不确定度，再按阈值分三档：高置信阴性进入快速通道，高置信阳性标记并按可疑程度排序，低置信区间只做提示、不下结论。回顾性数据来自3家医院、5种机型共1200例，外部验证集全程不参与调参。
- 进展：外部验证集上约62%的阴性片被划入快速通道，结节级召回率相对基线下降1.8个百分点，医生平均阅片耗时缩短约24%；不确定度与阅片分歧的Spearman相关性约0.41，说明该指标具备一定分流价值。
- 下一步：接入前瞻性队列，补充12个月随访标签，并验证设备参数漂移时阈值是否需要按机型重校准。
我们更在意这条分流线的可解释与可审计：每个分档都能回指到具体切片与数值依据，而不是只给一个概率。
评论