「更重要的是，天罡Edge的推理不需要网络连接。CT室在地下二层，手机信号很差。以前用云端版本，经常因为网络问题导致超时。现在好了，设备插上电就能用，从来不会因为网络问题卡住。」

「第三，医生接受度。一百六十例直接使用AI结果的案例中，医生完全采纳AI建议的比例是百分之七十八。不采纳的原因主要是——AI的诊断结果和医生的直觉不一致，而医生坚持自己的判断。事后复盘，AI正确的比例是百分之六十七，医生正确的比例是百分之三十三。也就是说，当AI和医生意见不一致时，AI更可能是对的。」

秦教授说到这里，语气里带着一丝感慨。「这个结果，让我们科室的医生开始反思——是不是太依赖自己的经验了？经验固然重要，但AI能看到人眼看不到的微小特徵。比如，良恶性结节在CT上的纹理差异，人眼很难分辨，但AI的深度学习模型可以。」

郑教授补充道:「神农AI在Edge上的模型压缩，我们用了知识蒸馏和量化感知训练。原来的模型有十亿个参数，压缩到两亿个，体积缩小了五倍，推理速度提升了四倍。准确率只下降了二点二个百分点。这个trade-off是值得的。」

赵静在笔记本上记了几笔，然后问了一个关键问题:「秦教授，有没有出现AI误诊导致医生做出错误决策的案例？我们最担心的就是这个问题。」

秦教授翻到了另一页PPT。

「有三个案例值得关注。第一个案例，一个四十五岁女性，CT显示肺部有一个六毫米的磨玻璃结节。神农AI判断为良性，建议随访。但医生觉得形态不规则，坚持做穿刺。穿刺结果是早期腺癌，直径只有五毫米。AI错了，医生对了。」

「第二个案例，一个六十岁男性，CT显示一个十二毫米的实性结节。神农AI判断为恶性，建议手术。但医生觉得边缘光滑，倾向于良性，建议先抗炎治疗。两周后复查，结节没有变化。穿刺结果是良性。AI又错了。」

「第三个案例，一个五十二岁男性，CT显示一个八毫米的部分实性结节。神农AI和医生的判断一致——恶性可能性高，建议手术。术后病理果然是浸润性腺癌。AI和医生都对了。」

「三个误诊案例，AI错了两个，医生错了一个。但AI错的两个案例，都是比较罕见的类型——一个是极早期腺癌，形态不典型；一个是炎性假瘤，影像表现和恶性肿瘤很像。这些罕见病例，AI的训练数据里可能不够多。」