在医疗AI实验室的病理辅助诊断探索中，首先要面对的不是模型结构，而是切片之间的染色差异。同一块组织，不同批次试剂、不同扫描仪下H&E色调漂移明显，直接训练容易让模型把「染色风格」当成病灶特征。
本阶段我们搭建了一条轻量预处理与推理链路：先基于组织区域做染色归一化（Reinhard与结构保持类方法对比），再用滑动窗口生成可疑区域热图，最后只把Top-N区域交给病理医师复核，而非让模型输出全片诊断结论。
进展与数据：
· 在自有脱敏数据集上（约1,200张全片，覆盖胃、肺两类），染色归一化后跨中心AUC由0.81提升至0.88，假阳性区域减少约23%；
· 单张全片预处理加推理控制在90秒内，Top-20可疑区域召回率94%，可满足初筛排序的使用节奏。
下一步计划：引入医师复核反馈做区域级主动学习，并评估不同扫描仪之间的稳定性，重点处理低对比度微小病灶的漏检。我们仍把定位放在「排序与提示」，不替代病理诊断。
评论