2020年9月1日，周二，上午九点。
陈诺坐在顾清影的实验室里，面前的屏幕上显示着清影医疗的最新数据。AI医疗模型已经在三家医院进行了两个月的临床试验，累计完成了五千例病例的诊断。数据显示，模型的准确率维持在百分之九十七以上，灵敏度和特异性也都达到了预期标准。但他注意到一个细节——在五千例病例中，模型正确识别出了四十八例早期肺癌，但漏掉了三例。那三例漏诊的病例，都是非常罕见的亚型，在训练数据中几乎没有出现过。
“清影，你觉得我们的模型还有什么需要改进的地方？”陈诺问。
顾清影想了想，然后说：“有两个方面。第一，模型对一些罕见病的识别率还不够高。第二，模型的解释性还不够强，医生们很难理解模型为什么会得出某个诊断结论。”
陈诺点了点头：“那我们就集中精力解决这两个问题。”
“但这样的话，我们可能需要推迟商业化进程。”顾清影说，“原本计划年底前拿到医疗器械注册证，现在看来可能来不及了。”
“没关系。”陈诺说，“宁可慢一点，也要把产品做到最好。我们不要追求速度，要追求深度。”
顾清影看着他，沉默了几秒，然后说：“陈诺，你变了。”
“变了？哪里变了？”
“以前你总是追求速度和规模。”顾清影说，“但现在，你更注重质量和深度。”
陈诺笑了：“因为我学到了教训。以前我总是想快点做大，结果摔得很惨。现在我明白了，慢一点，稳一点，才能走得更远。”
当天下午，陈诺和顾清影一起制定了新的研发计划。他们决定用三个月的时间，集中精力提升模型对罕见病的识别率和解释性。具体来说，他们要完成三项任务：第一，收集更多的罕见病例数据，至少增加一万例；第二，改进模型的算法结构，增强其对小样本数据的学习能力；第三，开发一个可视化模块，让医生能够直观地看到模型做出诊断的依据。
顾清影的团队有十五个人，其中十个是算法工程师，五个是数据标注员。陈诺和他们开了一个简短的会议，说明了新的研发方向和目标。团队的反应很积极，大家都觉得这是一个正确的方向。
会后，陈诺单独和顾清影聊了一会儿。他说：“清影，我有一个想法。”
“什么想法？”
“我想引入一个‘医生-in-the-loop’的机制。”陈诺说，“就是在
本章未完，请点击下一页继续阅读！