杨德胜的问题抛出来之后，会议室里安静了两三秒。

孙德志端着茶杯的手微微顿了一下，李志恒不动声色地看了陆远洲一眼。

陆远洲没急着开口，按下遥控笔翻到备用数据页。

投影幕布上跳出一张表格，标题是“假阳性病例分类统计（截至本月）”。

“杨主任这个问题问得好，我用数据回答。”

他指向表格第一列。

“系统上线初期，假阳性率确实高，百分之二十八。经过三轮模型迭代和数据清洗，目前假阳性率已经降到百分之十二点一。五十四例假阳性病例，血管瘤合并血栓十九例，重度脂肪肝十五例，肝脓肿十一例，其他九例。每一例都有完整的影像回溯记录，各位可以在附件第九页查到。”

他翻到下一页，是一张柱状图。

“再看工作负担。五十二家县医院，平均每家每周上传影像约三十五例，触发预警零点三例。也就是说，基层医生平均每周只需要额外处理零点三次预警弹窗，每次处理时间不超过五分钟。”

陆远洲看向杨德胜。

“而且系统有二次确认机制。医生关闭预警弹窗后，二十四小时内系统会自动向上级医师推送复核提醒。就算基层医生判断失误，还有一道兜底的网。”

杨德胜盯着屏幕上的数字看了几秒，面无表情地点了一下头。

没说好，也没说不好。

陆远洲正准备收住这个话题，杨德胜又开口了。

“第二个问题。”

他的语气依然很平，像是在查房时问住院医。

“系统对罕见肿瘤的识别能力如何？我看你们的训练数据主要是肝细胞癌和胆管细胞癌，占比超过百分之八十。碰到少见类型，比如纤维板层型、上皮样血管内皮瘤这些，ai还靠得住吗？”

他顿了顿，又补了一句。

“还有，基层ct设备参差不齐，十六排的、三十二排的、六十四排的都有，有些机器年头比我岁数都大。低端设备上跑出来的图像质量差一大截，模型还能可靠运行？”

这个问题比第一个刁钻多了。

陆远洲心里清楚，杨德胜不是随便问的，这两个点恰好是ai辅助诊断领域最容易被攻击的软肋。

“罕见肿瘤方面，模型确实存在训练样本不足的问题，这是所有医学ai的共性短板。”陆远洲没有回避，“但我们的设计逻辑不是让ai替代病理诊断，而是让ai做第一道筛子。只要病灶形态偏离正常肝脏组织，系统就会标记预警，不管它是常见的还是罕见的。”

他看了眼林小禾。

林小禾立刻切出后台日志，屏幕上弹出一条记录。

“这是三个月前的真实案例。西河县一位三十八岁女性，外院诊断血管瘤，ai标红置信度零点七九。转诊到我们这里后穿刺活检确诊为上皮样血管内皮瘤，极其罕见。ai虽然没有给出精确的病理分型，但它成功地把这个病灶从‘正常’里揪了出来。”

杨德胜的眉头动了一下，没说话。

陆远洲接着回答第二个问题。

“设备兼容性方面，我们开发了通用格式预处理模块，能自动校正不同设备的层厚、窗宽窗位和噪声差异。目前已经在十六排到一百二十八排ct上完成了跨设备验证。”

林小禾切出另一组数据。

“这是安平县的运行日志。他们那台ct是国产的，用了九年，图像噪声比省医的设备高出百分之四十。预处理模块上线后，模型在这台设备上的准确率从百分之五十八提升到百分之七十六，虽然比高端设备低一些，但已经远好于纯人工阅片。”

杨德胜低头在本子上写了一行字，然后抬起头。

“最后一个问题。”

他的目光直视陆远洲。

“如果ai误判，导致患者被延误治疗，或者被误导做了不必要的手术，法律责任由谁承担？是开发方，还是使用方，还是你们省医？”

这个问题一出来，赵处长和李处长同时抬起了头。

这不光是技术问题，更是政策和法律层面的敏感地带。

孙德志的手指又在桌面上敲了一下。

陆远洲的表情没什么变化。

“系统从设计之初就明确了一个原则ai是辅助工具，不是决策主体。”

他翻到ppt的流程图页面。

“每一步操作都需要医生二次确认并电子签名。ai标红一个病灶，医生可以同意转诊，也可以判断为假阳性关闭预警。最终的临床决策权和法律责任主体，始终是接诊医生，这一点在系统使用协议里写得清清楚楚。”

他停了一秒。

“但我想补充一点。杨主任担心的是ai误判带来的风险，这个担心完全合理。但我们也得看另一面不用ai的风险是什么？”

陆远洲翻到一页对比数据。