AI肺结节筛查：跨中心域偏移与置信度校准

在医学影像AI辅助诊断系统的落地过程中，单中心验证通过并不等于多中心可用。不同医院的CT设备、扫描协议与人群分布差异，会让模型在跨院部署时出现明显性能衰减，也就是域偏移。本阶段我们以低剂量CT肺结节筛查为切入点，做了两组实验。

进展与数据：选取三家医院各约1200例低剂量CT，以A院数据训练，B、C院作外部测试。基线模型对≥4mm肺结节的敏感度由A院的92%降至B院81%、C院78%，每例假阳性2.1个。加入基于直方图标准化的预处理与轻量域适应模块后，B、C院敏感度回升至88%和85%，每例假阳性降至1.4个，单例推理耗时增加约7%。

下一步计划：正在引入置信度校准与不确定样本排序，将AI输出分为高置信、需复核、低置信三档，由放射科医生优先复核后两档；同时用ECE与风险—覆盖曲线评估校准效果，目标是在高置信区间把漏诊率压到临床可接受阈值以下。