第192章 在座各位，有没有人教过AI看片子？（2 / 2）
请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
“满负荷的话，大约一百到一百二十份。”
林宇点了点头，转向全场。
“各位听到了。一个人类影像科医生，满负荷一天能看一百多份ct。而且越到后面，因为视觉疲劳和注意力下降，漏诊率和误诊率会不可避免地升高。”
“那ai呢”他轻轻拍了拍面前的笔记本电脑。
“如果给这套系统接入足够的算力，它一天可以处理多少份”
他没有等別人回答，自己给出了答案。
“理论上，无上限。而且它永远不会疲劳。永远不会因为连续看了三百张片子就把一个早期肿瘤误判为良性囊肿。”
林宇继续展示了第二个案例。
他將一张胸部x光片拖入分析窗口。
进度条再次闪过。
六秒后，屏幕上弹出一个明亮的绿色圆圈。
圆圈精准地框住了右肺中叶一个极其微小的阴影。
“七毫米的磨玻璃结节！”
这次，没等ai生成完整报告，李明远教授已经失声惊呼。他猛地从座位上站了起来，双手撑著前排的椅背，整个人向前探去，几乎要把脸贴在屏幕上。
“这……这怎么可能！常规x光片上，这种大小和密度的病灶极容易被肺纹理遮盖，漏诊率非常高！它直接就標出来了！”
他的声音里带著无法掩饰的震动和惊惧，彻底打乱了林宇原本的讲解节奏。
但这个“意外”，比任何讲解都更有说服力。
林宇平静地解释：“第二代灵梦ai的视觉模型在医学影像领域做了专项优化。训练数据集包含了超过八百万份脱敏的临床影像。
对於早期微小病灶的识別敏感度，目前的测试数据是百分之九十四点七，高於人类影像科医生的平均水平。”
第三个案例。
林宇展示了一段模擬场景。一位基层卫生院的全科医生，面对一个主诉腹痛的患者，通过ai辅助问诊系统进行鑑別诊断。
ai根据患者的症状描述、生命体徵和简单的血常规结果，在三十秒內生成了一份包含五种可能诊断及其概率排序的报告，並用红色高亮標记了其中一种需要紧急转诊的高危情况，急性胰腺炎。
“国內有多少乡镇卫生院”林宇看著台
“超过三万五千家。这些卫生院里，有多少具备影像科主任医师水平的诊断能力答案是几乎没有。”
“但如果每一家卫生院都接入了ai辅助诊断系统，一个只有全科基础的乡镇医生，就能在ai的辅助下，做出接近三甲医院水平的初步筛查。”
他的语气变得沉重了一些。
“这意味著什么意味著一个偏远山区的农民，不用再坐六个小时的大巴去省城排队掛號。只为了確认自己肚子痛到底是不是阑尾炎，还是更要命的別的疾病。”
报告厅里的气氛，在不知不觉中发生了变化。
【当前课堂：202名学者深度理解“ai医学影像辅助诊断原理”。】
【返还：医学影像分析精通级运用能力。】
【附加返还：基於深度学习的病理特徵识別高级运用能力。】
新的知识像潮水一般涌入他的大脑。医学影像中那些复杂的灰度分布、密度差异、形態学特徵，在他的认知框架里迅速构建出一张庞大而精密的网络。
他忍不住再次看了一眼屏幕上那张胰腺癌的ct影像。
这一次，他看到了ai没有標註出来的东西。
在病灶边缘，有一道极其微弱的、几乎与正常组织融为一体的密度过渡带。
那个过渡带的存在，暗示著一种可能性。
原本抱著胳膊、副“我倒要看看你能说出什么花来”表情的那些老教授们，很多人已经不自觉地放下了手臂，身体前倾，目光专注地盯著屏幕。
一直双臂抱胸的钱文海，不知何时也放下了手臂。他看著屏幕上那个偏远山区的场景模擬，浑浊的眼睛里闪过一丝复杂的情绪。
窗外，几只灰色的飞鸟掠过阴沉的天空，將光禿禿的树枝踩得微微摇晃。冷风撞击著玻璃，发出沉闷的呜呜声，让报告厅內原本就紧绷的空气显得更加压抑。
钱文海沉默了片刻，第一次主动举手准备发言。
林宇看向他。
“林教授。”钱文海的声音有些沙哑，那股生人勿近的硬气化作了更为沉重的质问。“你这套技术確实能推广给更多人，让老百姓获利。但你有没有想过，它同时將会瞬间毁掉上百万医学生的饭碗”
全场的气氛骤然收紧。钱文海的目光像两把锥子一样盯著讲台上的年轻人，带著新闻人特有的犀利与悲悯。
“在更大的市场需求出现之前，按照你这种骇人听闻的ai推进速度，你就没想过对旧体制的冲刷会给多少人带来巨大的灾难”
这个问题，恰恰也是在场许多人心里盘旋的阴云。
前排的李明远教授眉头紧锁，也顺势站了起来。他这位老医学人，此刻眼中满是忧虑，双手紧紧抓著面前的桌面。
“林教授，我也想问你，为什么那么著急地推进第二代灵梦”
李明远的声音透著多年行医的沉重，“我们身处一个需要为普通人兜底的社会。如果第二代灵梦全面推广开来，无数人丟了饭碗只能跑去送外卖，结果却发现连外卖都是无人机配送的。
林教授，你有想过他们会有多绝望吗你有想过这个后果吗”
一时间，林宇被推上了风口浪尖。
两百多双眼睛再次齐刷刷地压在他身上。这一次，目光中少了好奇，多了一份沉甸甸的逼问与质疑。
林宇的瞳孔微微收缩了一下。
↑返回顶部↑