他将一张胸部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，双手撑着前排的椅背，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！它直接就标出来了？！”
他的声音里带着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。
对于早期微小病灶的识别敏感度，目前的测试数据是百分之九十四点七，高于人类影像科医生的平均水平。”
第三个案例。
林宇展示了一段模拟场景。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辅助问诊系统进行鉴别诊断。
ai根据患者的症状描述、生命体征和简单的血常规结果，在三十秒内生成了一份包含五种可能诊断及其概率排序的报告，并用红色高亮标记了其中一种需要紧急转诊的高危情况，急性胰腺炎。
“国内有多少乡镇卫生院？”林宇看着台下面面相觑的面孔，率先给出了答案。
“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。
“这意味着什么？意味着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挂号。只为了确认自己肚子痛到底是不是阑尾炎，还是更要命的别的疾病。”
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”。】