医学影像AI辅助诊断：多中心域偏移与标注一致性校验

在《医学影像AI辅助诊断系统》实验室中，近期工作重心放在一个容易被总体指标掩盖的问题上：模型在单一中心表现良好，跨院区部署却出现明显衰减。以胸部CT肺结节检出为例，我们在三家合作医院各抽取约2000例脱敏序列做回顾性测试，同一权重下院内AUC为0.94，跨中心最低降至0.86，误差主要集中在层厚差异与重建核不同带来的纹理偏移。

进展要点：
• 以CT值截断与体素间距统一作为前置标准化，训练阶段引入灰度直方图扰动和随机重建核模拟，跨中心AUC回升至0.91，假阳性率下降约12%；
• 同步建立双人独立标注加仲裁的分级流程，将结节边界分歧率从18%压到9%，为后续微调提供更干净的标签。

下一步计划：在两家医院开展小样本前瞻性静默验证，仅记录模型输出与医师结论的差异，不进入诊断流程，重点观察胸膜旁病灶与钙化结节的漏检情况，同时评估推理耗时能否匹配科室的实时阅片节律。