朴正浩的完整报告是半小时后发到邮箱的。

陆远洲从第一页翻到最后一页，中间没跳过任何一行。

核心数据摆在结论部分：清除十二例问题标注，重新训练后，内部验证集假阳性率从百分之十八降到了百分之十四。整体auc维持在0。89，没有掉。

更重要的数字在下一段。朴正浩用绿通三十家医院积累的真实影像做了回顾性重跑，假阳性率从百分之二十八降到了百分之十九。

百分之十九。卡在二十以下。

“十二例脏数据。”林小禾搬了把椅子坐在旁边，盯着屏幕啧啧出声，“就十二例，差了将近十个百分点。”

“不是十二例的问题。是十二例集中在同一个亚组里，把那个区域的判别边界拉歪了。”陆远洲关掉报告，“你去把新模型部署到测试环境。”

“用哪批数据验？”

“最近两周三十家医院新增的真实影像，有多少用多少。盲测，不提前看标签。”

林小禾抱着电脑出去了。

两天后，盲测结果回来。三百一十七例影像，新模型预警触发四例。

陆远洲逐例打开看。

第一例，五十六岁男性，肝右叶一点九厘米病灶，ai置信度0。84。临床确诊肝细胞癌。真阳性。

第二例，六十一岁女性，胆囊壁局灶增厚，ai置信度0。76。活检确诊早期胆囊癌。真阳性。

第三例，四十八岁男性，肝左叶二点三厘米病灶，ai置信度0。73。增强mri确认肝内胆管细胞癌。真阳性。

第四例，五十三岁女性，肝右叶后段一点二厘米低密度灶，ai置信度0。71。最终诊断是血管瘤。假阳性。

四例里面三真一假，准确率百分之七十五。

样本量不够大，不能当最终结论。但趋势很明确。

“灰度发布。”陆远洲对林小禾说，“先在十家医院替换旧版，跑一周。一周之内没出问题，全面推送。”

“哪十家？”

“首批上线的那十家，他们的医生已经熟悉系统了，有问题能第一时间反馈。”

“收到。”

当天下午，陆远洲拨通了朴正浩的视频。

屏幕那头朴正浩换了件干净t恤，精神状态比上次好了不少，但黑眼圈还挂着。

“假阳性率十四，比目标线低了六个百分点。”陆远洲开门见山，“干得不错。”

朴正浩难得露出点笑容，但很快又收回去了。“说实话，我没想到清洗十二例就能有这个效果。我之前一直在模型结构上找原因，调了两版网络都没解决，结果问题出在数据上。”

“所以双盲标注的规矩必须定死。”陆远洲说，“你这两天把核查流程写成正式文档，所有合作方的数据提交协议里加这一条，以后谁给你数据都得走这个程序。”

“已经在写了，后天能出初稿。”

“还有一件事。”陆远洲靠回椅背，“南亚那边rajesh的数据，你设计一套迁移学习方案。他那边的脂肪肝比例比国内训练集高，这是上次两例假阳性的主因。等他积累够五十例带标注的本地数据，启动微调。”

“轻量化微调的话，冻结主干只调分类头，五十例差不多够用。”朴正浩想了想，“我两周内出方案初稿。”

“行。别熬太狠，猝死了没人接你的活。”

朴正浩哼了一声：“这话您自己也听听。”

视频挂掉后，林小禾从隔壁探头进来。

“灰度发布的脚本写好了，明天凌晨两点自动推送。十家医院的it都通知了。”

“盯着推送日志，出了报错立刻回滚。”

“知道了。”林小禾没走，在门口站着磨蹭。

“有话直说。”

“那十二例脏数据的事，要不要通知提供数据的那家合作医院？”

“通知。但措辞你帮我斟酌一下，别搞得像兴师问罪。就说标注流程存在改进空间，建议他们后续增加一轮上级复核。对方配合最好，不配合就把他们的数据从训练集里永久剔除。”