在医疗AI实验室近期的合作实验中，我们把一个在三级医院数据上训练的影像辅助诊断模型，直接迁移到两家二级医院，观察到一个典型现象：源域验证集上的表现并不能代表落地表现。同一病种，AUC 从约 0.94 降至 0.86 附近，假阴性集中在少数几类机型与扫描参数组合上。
排查后，主要差异来自三处：设备型号与重建参数不同、扫描协议（层厚、造影时相）不统一、就诊人群的病程分布更偏早期。这些属于数据分布偏移，而非模型结构问题。
当前采取的做法是分层小步微调：
一是按设备×协议分层抽样，每层仅需几十例本地标注，冻结主干、只调分类头与批归一化参数，避免小样本过拟合；同时做阈值本地校准，让灵敏度优先满足临床筛查口径。
二是引入不确定度输出。对置信度低于阈值的病例，系统不给出结论，直接转入人工复核队列。这样做的目的不是提高总体准确率，而是把模型错误控制在可被医生接住的位置。
要点与下一步：第一阶段实验显示，约 200 例本地标注即可让主要病种表现恢复到接近源域水平，但少见病种仍不稳定。下一步计划补充跨院多中心验证，并整理一份面向基层医院的影像数据采集与标注最小规范，减少后续迁移成本。
评论