在《医疗AI实验室》的近期实验中，我们把问题限定在一个具体环节：病理全切片图像的初筛排序，而不是直接输出诊断结论。
不同批次、不同扫描仪带来的染色差异，会让同一病变在颜色分布上明显漂移。团队采用结构保持的染色归一化，将颜色信息与形态信息解耦，再以多示例学习在切片级聚合特征。模型同时输出不确定度，用于生成复核队列的先后顺序。
进展要点：
- 回顾性数据覆盖 3 家医院、1200 张全切片，含乳腺与胃部两类标本；在固定召回率约束下，复核队列前 20% 覆盖了约八成阳性切片。
- 染色归一化使跨中心 AUC 波动由约 0.07 收窄至 0.03 上下，但扫描仪型号仍是主要的残余变量。
下一步计划聚焦不确定度校准，并在一批前瞻连续采集的切片上验证排序稳定性。需要说明的是，该工作定位为医师复核顺序的辅助排序，不构成诊断建议。
评论