2.2 医疗健康业：影像辅助诊断的边界

2.2 医疗健康业：影像辅助诊断的边界

影像辅助诊断AI指读取CT、X光、眼底照片等医学影像，向医生提示病灶位置的软件。本节审计它的成色：灵敏度与特异度的取舍在诊室里意味着什么，假阳性如何转嫁为患者伤害与医生工作量，以及"辅助"二字为何是这类系统能落地的全部理由。

一个被撤回的乐观结论

2010年代中后期，多篇论文报告深度学习模型在皮肤病变识别、眼底糖网筛查上达到甚至超过专科医生水平。随后几年的落地却给出更复杂的图景：某些筛查系统在医院里跑了一段时间后被悄悄降级为"初筛工具"，原因是把灵敏度调得足够高之后，假阳性提示多到让医生开始整体忽略系统的标注——alerts fatigue，警报疲劳。这个反例是本节的起点：医疗AI的失败往往不是模型精度不够，而是它对工作流的冲击没有被设计好。

审计医疗影像系统，先看它的操作点在ROC曲线的哪个位置。厂商汇报"准确率百分之九十四"在医疗语境里几乎无意义：某种病灶在筛查人群中的患病率如果是百分之二，一个把所有人都判为阴性的傻瓜系统准确率就有百分之九十八。真正要问的是灵敏度和特异度各自多少、漏诊一例的代价与多做一次穿刺的代价各是什么、操作点由临床医生还是算法工程师定的。

灵敏度优先的代价账

用代码把"操作点选择"这笔账算清楚。

import random

random.seed(23)

def screening(n=10000, prevalence=0.02):
    """模拟筛查：患病率 2%，模型输出带噪声的病灶概率。"""
    rows = []
    for _ in range(n):
        sick = random.random() < prevalence
        mu = 0.72 if sick else 0.16
        p = min(max(random.gauss(mu, 0.16), 0), 1)
        rows.append((p, sick))
    return rows

rows = screening()

def operate(rows, tau):
    tp = fp = fn = tn = 0
    for p, sick in rows:
        flag = p > tau
        if flag and sick: tp += 1
        elif flag and not sick: fp += 1
        elif not flag and sick: fn += 1
        else: tn += 1
    recall = tp / max(tp + fn, 1)
    ppv = tp / max(tp + fp, 1)
    return recall, ppv, fp

for tau in (0.3, 0.5, 0.7):
    r, ppv, fp = operate(rows, tau)
    print("阈值 %.1f -> 灵敏度 %.1f%%, 阳性预测值 %.1f%%, 假阳性 %d 例"
          % (tau, r*100, ppv*100, fp))
# 阈值 0.3 时灵敏度很高，但每 5 个被提示的人里约 4 个是虚惊；
# 他们中的每一位都要走复诊、影像复查甚至穿刺的流程。
​

把输出再乘上单次复诊成本与患者焦虑的隐性代价，就能解释为什么"灵敏度百分之九十七"的宣传语在医院里推不动：系统每多抓住一个真病人，可能同时制造了几十个假警报，而这些警报的成本由医院和患者支付，不由模型厂商支付。成本错位是医疗AI成色的核心扣分项。

数据特权与单中心幻觉

医疗是第2章"数据特权"最典型的现场：三甲医院一年几十万例带标注影像，外面拿不到。但特权有另一面——单中心数据的分布太窄。模型在一家医院的设备、剂量、拍摄习惯上训练，换一家医院效果就可能明显衰减。审计时要专门问三件事：多中心外部验证做了没有；不同设备厂商之间效果差异多大；标注是谁做的（同一位主任标注的"金标准"带着个人的诊断风格）。

def center_shift(base_mu=0.72, shift=0.10, n=3000):
    """模拟换中心后的分布漂移：同一模型，病灶概率整体下移。"""
    worse = 0
    for _ in range(n):
        p = min(max(random.gauss(base_mu - shift, 0.16), 0), 1)
        if p < 0.5:          # 原操作点 0.5 下被漏掉
            worse += 1
    return worse / n

print("换中心后漏检比例约 %.1f%%" % (center_shift() * 100))
# 一个 10 个百分点的分布漂移，就能把灵敏度拖垮——
# 这正是多中心验证被写进审评要求的原因。
​

审批与迭代的速度差也值得记一笔：医疗器械证从申报到拿到以年计，而影像数据分布的漂移以季度计。拿到证的那天，模型可能已经旧了一截，这就是"监管滞后吃掉模型新鲜度"，高壁垒行业的结构性成本。

为什么"辅助"是全部理由

读片AI落地形态几乎都是"第二读者"：医生先读，系统再读一遍，不一致的病例进入复核。这个形态看似退了一步，实则是责任结构决定的——诊断的责任主体必须是执业医师，系统的输出在法律上只是参考信息。审计时看到"替代医生"的表述要提高警惕：不是技术上做不到，是责任链上放不下。反过来，凡是老实做"第二读者"、把不一致病例标出来的系统，医生的工作量是下降的，成色普遍更好。

一个容易被忽略的旁观者维度

还有一个视角值得单独立段：医院信息科。影像AI要嵌入PACS系统、占用阅片工作流的屏幕位置、和放射科的报告模板对接——这些集成的琐碎程度常被低估，而集成的深度决定了系统是被真正使用还是被"装上了"。有审计者用一个粗指标衡量集成深度：系统提示被展开查看的比例。展开率长期低于一半，说明医生只在系统与自己的判断冲突时才看它，那它的定位其实是质控抽查工具而非第二读者——定位错配会连累预算与评价体系全部错位。做医疗AI审计时，把这个使用率指标要过来，比再跑一遍精度评测更能说明问题。

结果、解读与变式

背景（被撤回的乐观结论）、操作（操作点代价账加漂移模拟）、结果（假阳性成本与单中心衰减的量化）齐了。解读：医疗影像AI的成色公式是"操作点由临床定、成本由谁担要说清、外部验证不可省"。变式：病理切片分析、心电筛查、超声质控都是同构问题，患病率越低的项目，阳性预测值问题越尖锐，审计时对低患病率场景要额外苛刻。下一节看一个错误代价可以协商、但知识密度极高的现场：法律。