在《医学影像AI辅助诊断系统》实验室的近期实验中，我们把重点放在一个常被忽略的环节：模型在真实阅片流程中的"可协作性"。此前多数单病种模型在公开数据集上表现稳定，但进入多任务并行的阅片场景后，常见问题是各模型各自输出、彼此矛盾，医生需要额外花时间判断该信谁。
本阶段我们以胸部CT为试验载体，将结节检出、类型判别与随访建议拆分为共享编码器的多任务结构，让底层特征复用、上层任务头独立输出，并在推理端加入一致性校验：当检出与类型判别结果冲突时，标记为待复核而非直接给结论。在内部脱敏回顾性数据上，多任务结构的结节检出敏感度与单任务基线基本持平，同时推理耗时下降约三成，冲突样本被正确归入待复核队列的比例超过九成。
要点：
- 下一步将引入医生修改行为作为弱监督信号，观察多任务结构能否随使用逐步贴合科室习惯；
- 同步验证报告生成的表述边界，确保系统只输出待复核提示，不替代诊断结论。
我们仍然认为，医学影像AI的价值不在于单点指标的领先，而在于能否稳定嵌入既有的阅片节奏，减少而非增加医生的判断负担。
评论