医疗AI实验室本阶段围绕眼底彩照的糖网分级做了三组对照实验，重点不在模型结构，而在标签分歧与设备差异能否被量化。
数据侧：同一批眼底图由三位医师独立分级，一致率约七成，分歧集中在1级与2级交界。我们对比了两种标签策略——多数投票取等级、保留分歧做软标签。后者在内部测试集上把相邻等级混淆率降低约6个百分点，代价是4级召回略降，说明软标签并非无成本。
设备侧：训练集来自单一型号相机，直接迁移到另一台设备时，转诊灵敏度下跌十余个百分点。仅做直方图匹配改善有限；加入少量目标设备未标注图像做无监督域适应后，跨设备AUC由0.86回到0.91附近。设备差异对阈值稳定性的影响比预想更大。
下一步计划：一，将输出改为“分级+转诊建议”两级结构，用温度缩放做置信度校准，按高等级不漏筛的原则确定转诊阈值；二，与临床科室约定分歧样本复核流程，把医师分歧当作可观测数据而非噪声处理。
以上均为脱敏回顾性数据上的离线实验，尚未进入前瞻性验证，不作为临床结论。
评论