晚上九点，陆远洲重新打开电脑。

who秘书处的邮件还挂在置顶位置，他点开详细看了一遍格式要求。

演讲时长45分钟，需包含引、核心论证、案例展示、数据支撑、未来展望五个部分，提纲需控制在1500字以内。

陆远洲新建了一个文档，在标题栏敲下一行英文。

“ai-driven

equity

bridging

the

global

healthcare

gap”

ai驱动公平，弥合全球医疗资源差距。

他盯着这行字看了几秒，觉得还算贴切。

演讲框架他早就在脑子里过了几遍，现在只需要把素材往里填。

第一板块，中国省级绿通系统。

陆远洲调出后台数据表，把关键数字挑出来。

覆盖47家县医院，覆盖人口约320万，累计筛查8200余例，ai预警准确率64。3%，早期检出率从31%提升至64%。

他又翻出郑师傅的病历，那个清河县上线第七天被ai标红的2。8厘米早期肝癌。

还有老周的案例，三次预警被基层医生关闭，肿瘤从3。1厘米长到6。8厘米，差点失去手术机会。

陆远洲把这两个案例简化成一段话，敲进文档里。

“开源算法加低成本硬件加基层培训，使得ai辅助诊断在中国欠发达地区实现规模化应用，投产比1比25，每投入1元可节省医保支出25元。”

写完这段，他觉得第一板块的论证链算是站住了。

第二板块，南亚低配ct概念验证。

陆远洲找出rajesh发来的邮件，里面有一份118例测试数据的汇总表。

印度孟买农村地区仅两台16排ct、无mri及病理科，概念验证准确率77。8%，成功拦截两例肝癌。

一例是3。5厘米误判为血管瘤的肝癌，半年后长到6。2厘米才被ai标红。

另一例是23岁纤维板层型肝细胞癌，当地医院诊断为fnh，ai置信度0。82标红，穿刺后确诊。

陆远洲在文档里补了一段。

“跨人种、跨设备的模型泛化能力验证了开源ai在极度资源匮乏地区的可行性。该地区年均肝癌发病率约15每10万，若推广至马哈拉施特拉邦人口1。1亿，预计每年可多挽救1500到2000条生命。”

他敲完这段，停下来想了想，给林小禾发了条消息。

“联系rajesh，要更详细的患者随访数据，还有当地卫生部门的反馈意见。”

林小禾秒回：“好的老板，明天上午联系。”

第三板块，跨洲际多中心前瞻性研究。

陆远洲调出赵国安发来的研究方案终稿，七家中心的名单列得整整齐齐。

协和、中山、梅奥、翰林大学、儿研所、海德堡、省医。

目标样本250例，当前伦理审批已通过五家。

目标样本250例，当前伦理审批已通过五家。

他在文档里写下这段。

“梅奥847例数据验证auc0。88，海德堡整合弹性形变模块后假阳性率降低7个百分点，证明ai模型在发达国家高端医疗场景中同样具备临床价值，可作为影像科医生的第二意见提升诊断效率。”

陆远洲写完这段，觉得论证链的闭环基本成型了。

从中国基层到南亚极度匮乏地区，再到发达国家高端医疗场景，ai的价值在不同层级都得到了验证。

他在提纲结尾补了一句话。

“ai不是替代医生，而是让每一位医生，无论身处繁华都市还是偏远山区，都能拥有顶级专家的诊断支持。”

陆远洲看了眼字数统计，1320字。

还有空间。

他想了想，决定在第四部分“未来展望”里加点更实在的东西。

“建立全球开源ai社区，由高收入国家提供算力支持、中等收入国家提供数据标注、低收入国家提供真实场景验证，形成良性循环。”

写完这段，字数跳到1480。

刚好。

陆远洲把提纲保存，发给了朴正浩和rajesh。

邮件标题写的是“who峰会演讲提纲初稿，请提意见”。

发完邮件，他起身去倒了杯水。

回来的时候，朴正浩已经回复了。

邮件很简短。