凌晨两点四十，陆远洲躺在值班室的行军床上，眼睛闭着，脑子没停。

朴正浩那份报告里的数字一直在转26。3%。

不对。

他记得朴正浩上一封邮件里写的是内部验证集18%，那为什么真实环境跑出来差了将近十个百分点？

内部验证集跟真实世界之间的鸿沟，说到底就是训练数据的问题。

他翻了个身，放弃睡觉这件事，爬起来打开电脑。

朴正浩的报告一共四十七页，他昨晚只扫了最后一页的结论数据。现在他从第一页开始，一例一例地翻逐例分析表。

假阳性一共三十一例。

翻到第八例的时候，他停下来把截图放大。一个六十三岁男性，肝右叶后段有个一点八厘米的低密度灶，ai标红置信度0。79，实际诊断是局灶性脂肪浸润。

他往回翻，前面七例里有三例也是类似情况脂肪肝背景下的低密度灶被误判。

另一类集中在第十五到第二十三例之间，清一色是基层八毫米厚层ct。容积效应把小病灶的边缘糊成了一团，模型分不清是实性成分还是伪影。

两类问题，占了假阳性的八成以上。

早上七点二十，林小禾推门进来的时候，陆远洲已经把三十一例假阳性按类型标好了颜色，红色代表脂肪肝误判，蓝色代表层厚干扰。

“老板，您昨晚没睡？”

“泡杯咖啡。”

林小禾看了眼他面前密密麻麻的标注，识趣地没再问，转身去泡咖啡。

八点整，陆远洲拨通了朴正浩的视频。

屏幕那头，朴正浩顶着两个黑眼圈，背景从公寓书房换成了实验室，身后白板上贴满了打印出来的roc曲线图。

“远洲，你看到报告了。”

“看完了。内部验证18%，真实环境28%，差了十个点。你自己分析的原因是什么？”

朴正浩揉了揉太阳穴。“层厚问题是老毛病了，自适应补偿模块对八毫米层厚的矫正还有极限。脂肪肝那块我没预料到会这么集中，国内基层人群脂肪肝比例比训练集里的高。”

“不止这个。”

陆远洲把标注好的表格共享到屏幕上，光标移到第十一例。

“你看这个。五十八岁女性，肝左叶s3段两点一厘米低密度灶，ai标红置信度0。82。最终诊断是肝囊肿。”

朴正浩凑近屏幕看了看。“囊肿的话，密度应该很均匀，模型不应该判错才对。”

“所以我往回查了训练集。”陆远洲切到另一个页面，“林小禾，把昨晚我让你调的那批标注记录拉出来。”

林小禾端着两杯咖啡走过来，放下一杯，另一只手操作笔记本。屏幕上弹出一个表格，列着训练集中某合作医院提供的一批肝脏影像标注记录。

“这批数据一共一百四十六例，来自东部某市中心医院，去年十月入库的。”陆远洲指着标注者一栏，“标注人只有一个名字，住院医师，没有上级复核签字。”

朴正浩的表情变了。

“我抽查了其中跟假阳性影像特征相似的二十例。”陆远洲继续说，“至少十二例标注存疑。有三例影像特征明显是囊肿或血管瘤，被标成了恶性。还有几例边界模糊的，标注理由栏是空白。”

朴正浩闭了一下眼睛。“一个住院医独立标完一百四十六例，没人审……这批数据入库的时候我审了影像质量，没逐例核对标注。是我的问题。”

“不是追责。”陆远洲喝了口咖啡，“问题出了就解决。”

“怎么处理？”

“三件事。”陆远洲竖起手指，“第一，这一百四十六例全部回溯，找两名副高以上的医师独立重新标注。两个人结果不一致的，送第三方仲裁，我来协调人选。”

朴正浩点头。

“第二，从现在开始，所有合作方提供的训练数据，标注环节必须执行双盲核查。两个人独立标，一致率低于85%的批次整批打回。这条写进合作协议模板里。”

“行，我今天改协议。”

“第三，清洗完的数据重新训练，两周内出新版模型。跑完内部验证之后，先在绿通已接入的三十家医院做回顾测试，真实环境假阳性率降到20%以下才推送上线。”