基层影像科医师缺口大、胸片阅读一致性差，是分级诊疗中最实际的一道瓶颈。本期医疗AI实验室把研究目标明确限定在「预筛而非诊断」：模型只负责把明显正常与需要优先复核的片子分开，最终结论仍由医师出具并签字。
我们与两家县级医院合作，使用院内脱敏的后前位胸片做回顾性实验。数据按设备型号与拍摄年份分层抽样，避免模型只学到某一台机器的成像风格；预处理环节统一窗宽窗位并加入体位判定，体位不合格的片子直接提示重拍，不进入模型推理，减少无效算力消耗。
要点：
- 阶段性进展：在约1.2万张回顾性样本上，模型对「明显正常」的召回约93%，可将约四成正常片排在阅片队列后段，医师端平均阅片等待时间缩短约三分之一；疑似异常片始终优先推送，敏感度作为首要约束指标而非准确率。
- 下一步计划：接入PACS开展小流量前瞻性灰度，重点观察跨设备与人群分布漂移，并将「不确定」类样本回流为标注队列，反哺迭代。
需要说明的是，该模块不用于独立诊断，也不替代医师签字；儿童与床旁摄影子集样本仍偏少，是当前最明确的短板。
评论