在胸部X线多病种筛查的落地验证中，我们把研究重心从“把AUC再抬高一点”转向“让模型输出真正被阅片流程消费”。回顾性测试发现，模型概率并不等于临床可用性：同一阈值下，气胸漏检的代价远高于陈旧纤维灶的假阳。因此系统按病种分别做温度缩放与阈值标定，并叠加预测不确定性，将结果分为三档——高置信阴性（可进入自动归档通道）、不确定（优先推送给值班医生）、提示异常（置顶并附病灶热力图）。分诊排序不再按图像采集先后，而按“不确定度×病种风险权重”排定阅片队列。
进展与计划：
- 在一组内部回顾性胸片数据（含8类常见异常）上，该分层策略在主要病种敏感度不低于0.92的前提下，约四成阴性片进入自动归档候选，医生端平均阅片等待时间下降，提示异常病例的排序命中率优于按时间排序的基线。
- 下一步转入前瞻性静默运行：模型只记录不干预，对比其分诊顺序与医生实际阅读顺序的差异；同时验证跨设备厂商的图像预处理归一化能否抑制域偏移带来的阈值漂移，并通过DICOM SR回写结构化结论，避免形成新的信息孤岛。
需要说明的是，上述数字来自单中心回顾性测试，尚不足以支撑临床结论；分诊的定位始终是排序与预筛，最终判读权仍在医生。
评论