本期进展来自医疗AI实验室在基层眼底筛查场景的一次实验性探索：将糖网分级从五级分类收敛为“需转诊 / 无需转诊”的判定，再叠加分级提示，用于辅助基层医生排序复查队列。
实践中发现两个问题：一是不同中心眼底相机存在色偏与曝光差异，固定阈值在跨中心数据上漂移明显，而假阴性（漏掉需转诊病例）的代价更高；二是模型置信度与真实可转诊性并不完全一致，高置信错误仍有发生。
当前做法：
- 在训练阶段引入相机域标签与颜色归一化，减少设备差异对分级边界的影响；阈值按中心做小幅校准，以灵敏度不低于95%为首要约束，再在可接受的转诊量下优化特异度。
- 对低置信样本和疑似黄斑水肿病例，不直接出结论，进入人工复核队列，并保留热图作为定位参考。
阶段性回测（三家基层医院回顾性数据，非前瞻性结论）：转诊判定灵敏度95.8%、特异度87.4%，相比固定阈值方案，需转诊漏诊率下降约三成，单张阅片时间未显著增加。
下一步：开展前瞻性队列采集，补充糖网以外的黄斑水肿与青光眼可疑筛查，并验证阈值校准在新增设备上的稳定性。
评论