医学影像AI辅助诊断：多中心泛化与阅片效率验证

本阶段实验室聚焦胸部CT肺结节辅助诊断链路，重点不在模型结构调整，而在三个工程环节的稳定性：标注一致性、跨中心泛化、医生端交互延迟。

标注环节：对比三位高年资医师的独立标注，直径≥5mm结节的位置一致性约0.82，而≤3mm微小结节一致性明显下降。据此将训练标签改为“至少两位医师重合”的共识框，分歧样本单独进入仲裁队列，减少噪声标签对损失函数的干扰。

泛化方面：单中心数据训练的模型迁移到另两家合作医院时，敏感度由0.94降至0.81左右，主要损失来自扫描协议与重建核差异。我们在预处理阶段统一层厚重采样与窗宽窗位归一化，并引入少量目标域无标注数据做自监督适配，跨中心敏感度回升至0.89，假阳性由每例6.2个降至4.1个。

下一步计划：
• 开展医生在环的读数实验，测量AI提示对阅片时间与漏诊率的影响，而非只比较AUC；
• 与两家基层医院合作，验证低剂量扫描条件下的召回稳定性，并输出模型不确定度以决定是否转人工复核。