灯光暗下来，大屏幕亮了。

陆远洲站在讲台中央，手里拿着激光翻页笔，没有讲稿，没有提词器。

“各位同行，上午好。”

他的英文干净利落，没有多余的寒暄。

“今天的报告只讲一个问题：如何在不同国家、不同设备、不同操作者之间，建立一套可复制的影像组学术前预测标准。”

翻页。

大屏幕上出现了四条roc曲线，分别标注着四个中心的名称和样本量。总样本量两万零九百四十一例，auc0。891。

前三排的专家几乎同时坐直了身体。

有人开始翻手里的摘要册。更多人直接举起手机拍大屏幕。

陆远洲一张一张地切幻灯片。灰度校准流程、脾脏锚点法、跨设备非线性变换每一步都附带完整的数学推导和实际验证数据。

他讲到马尔可夫随机场补偿模块的时候，专门调出了一张对比图：左边是补偿前的特征衰减曲线，右边是补偿后的。

“ct层厚从一毫米变化到五毫米时，补偿后的三大核心特征误差率，控制在百分之二以内。”

台下传来低低的议论声。第三排的戴维斯面无表情地盯着大屏幕，手里的笔一动不动。

二十四分钟。报告结束。

掌声起来了。比昨晚酒会上的更持久，更整齐。

主持人宣布进入提问环节。

第一只手举起来了。

不是戴维斯。是他旁边的秃头苏黎世大学的阿尔贝特。

“陆医师，你的模型在两万例的训练集上表现确实惊人。但我想问一个实际问题。”阿尔贝特的声音不大，但带着明显的挑刺意味，”你的病理金标准来自多个国家的不同病理科。如何保证微血管侵犯的判定标准是统一的？“

”好问题。“陆远洲切出一张新幻灯片，“我们的入组标准明确要求七点取样法，所有病理切片由两名高年资病理医师独立判读，kappa一致性系数0。87。不符合标准的中心，不入组。”

阿尔贝特点了点头，没再追问。

安静了三秒。

第二只手举起来了。

戴维斯。

他站起来的时候，周围好几个人同时转头看他。昨晚酒会上发生的事，在场至少有四分之一的人知道了。

“陆医师。”戴维斯的语速比昨晚慢了一些，“我承认你的样本量和验证结果令人印象深刻。但我有一个担忧。”

他顿了一下。

“你的模型依赖灰度共生矩阵的核心特征提取。glcm本身对图像预处理高度敏感。你的补偿算法在回顾性数据上跑得通，但在前瞻性临床应用中，设备参数是动态变化的。你怎么保证算法不会在真实世界的数据上崩溃？”

这个问题水平很高。

台下有人点头。

陆远洲没有马上回答。他按了一下翻页笔。

大屏幕上切出一张新图不在正式幻灯片里，是备用的。

“戴维斯教授，感谢你的问题。这张图是三千二百例独立测试集的结果。这批数据没有参与任何训练过程，且涵盖了四个品牌、七种型号的ct设备。auc是0。891。没有崩溃。”

戴维斯的嘴角抽了一下。

“但我想额外回答一个你没问的问题。”

全场安静了。

陆远洲切到下一张幻灯片。上面是两组数据的对比。左边标注“某研究a”，右边标注“本研究”

。

“这是某篇发表在《外科学年鉴》上的影像组学研究。样本量八百例，auc报告为0。81。但该研究在入组标准中，没有排除接受过新辅助化疗的肝癌患者。”

台下有人倒吸一口气。

“新辅助化疗会导致肝脏组织学改变，包括脂肪变性和窦状隙扩张。这些改变直接影响glcm的纹理特征提取。”

陆远洲的声音很平，像在实验室里读数据。

“我们用同样的特征提取流程，对该研究的公开数据做了亚组分析。剔除化疗患者后，auc从0。81降至0。76。”