陈砚舟盯着手机屏幕，那条短信还躺在对话框里：许志远背景，你查过吗？
他没点开，也没回复。手指在屏幕上滑了一下，锁了屏。
实验室的灯亮着，主控台前没人说话。数据筛选进度条已经跑完，C级影像全部进了隔离区。小王留了句话就走了，说脚本运行正常，明天能出第一轮清洗报告。
陈砚舟打开笔记本，蓝笔写下一行字：标注标准混乱，需统一临床可用性原则。
红笔圈住“临床可用性”五个字，又画了个箭头指向旁边空白处，写上：召集联合会议。
他合上本子，起身走向白板。拿起记号笔，在上面贴了一张打印纸——是康和门诊放射科主任那段语音转成的文字：“你们这系统挺聪明，就是有时候看得比我眼花的时候还费劲。”
底下加粗写了两行字：
**我们不是训练AI看高清图。**
**我们要让它看懂现实里的模糊片子。**
老李推门进来时正看见这两行字。他愣了一下，把手里咖啡放下，“你真打算按医生的标准来？”
“本来就是给人用的。”陈砚舟转身，“他们能看清，就算合格；他们看不清，AI再准也没用。”
“可标注组那边……之前按像素精度分的等级，现在全得重调。”
“那就重调。”陈砚舟指了指投影，“模型卡在89.7%，不是算法不行，是我们喂的数据和实际对不上。一边是三甲医院的高清片，一边是社区诊所的老机器拍的雾图，非让一个模型全吃下去，它能不吐？”
老李摸了摸下巴，“分设备训练呢？比如专门给老款DR做个专用模型？”
“已经在做了。”陈砚舟调出后台任务列表，“我让技术组把第一批A级数据按设备型号拆开，单独建模。重点跑那几台十年以上的老机器样本。”
“耗时间啊。”
“总比瞎调强。”陈砚舟说，“咱们之前改学习率、换优化器，像在修车却不检查油是不是脏的。现在先把‘油’换干净，再看发动机响不响。”
老李笑了下，“你还真会打比方。”
“随口一说。”陈砚舟拉开椅子坐下，“明天等清洗报告出来，先开个会，把标注和算法的人凑一起。定一条规矩——不再追求图像完美，只问一句：医生能不能靠这张图做判断？能，就留下；不能，哪怕清晰也进废片库。”
“行。”老李点头，“我去找标注组长沟通。”
“顺便叫他把最近三天的争议样本整理一份，我要看看他们在哪些地方拿不准。”
老李走后，陈砚舟翻出之前的测试记录。五家机构的数据都接上了，样本类型多了，问题才暴露出来。以前量不够，看不出规律；现在数据多了，反而发现原来的方法根本扛不住真实场景。
他点了根烟，吸了一口就掐了。实验室不让抽烟，但他今天破例。
第二天上午九点十七分，小王抱着笔记本冲进来。
“出结果了！”
陈砚舟抬头。
“按新标准清洗后的数据重新训练，专用模型在同类老设备影像上的准确率飙到93.2%！误报率降了三分之一！”
办公室里原本低头干活的人都抬起了头。
老李快步走过来，“哪个模型？”
“编号T7-3，专训老旧DR设备那一组。”小王声音有点抖，“训练用了三天，跑了四轮迭代，最后一次验证集表现直接跳上去的。”
陈砚舟站起来，走到主控台前调出曲线图。
准确率从89.6%一路爬升，最后稳在93.2%。波动极小，趋势稳定。
他看了很久，没说话。
“是不是数据太窄？”有人问，“只针对一种机型，能不能代表整体？”
“交叉测试做了吗？”另一个工程师跟进。
“做了。”小王点头，“拿新模型去跑其他四家机构的留存样本，平均准确率91.4%，最低一家也有89.9%。特别在社区医院常用的两款机型上，识别小结节的能力提升最明显。”
办公室安静了几秒。
然后是键盘敲击声，有人开始重新拉测试集。
老李站在投影前，看着那条上升曲线，嗓子有点哑：“这不只是数字变了……是整个逻辑变了。”