陈砚舟把手机倒扣在桌上，屏幕朝下。他眉头微皱，心中暗自思索这条短信的来源和意图，但眼下模型训练的问题亟待解决，只能先将此事搁置。

那条陌生短信他没回，也没删。现在不是琢磨这个的时候。

他走到主控台前，调出最近三次模型训练的结果。曲线图上，准确率停在89.7%，像被钉住了一样。旁边的技术负责人老李正盯着屏幕皱眉，手指在键盘上敲了几下，又停下。

“又试了一遍？”陈砚舟问。

老李点头，“换了优化器，调整了学习率，加了正则项……都不行。越改越乱。”

房间里气氛压抑得让人喘不过气。角落里的工程师调试代码时误删了日志文件，有人抱怨了一句，他便烦躁地摔了鼠标，嘴里还骂骂咧咧。

那工程师一屁股坐在椅子上，双手抱头，嘴里嘟囔着：“这根本没法弄，再这么下去，项目得黄。”

陈砚舟没去看那个摔鼠标的人，也没提谁犯了错。他拉过一把椅子坐下，打开自己的笔记本。蓝笔先记了一行字：肺部边缘模糊样本识别失败率高。红笔圈出三个数据源——都是最近接入的社区医院。

“我们一直改模型，有没有可能问题不在算法？”

没人接话。

“我在康和门诊盯过两周，他们的dR设备是十年前的老款，图像噪点多，分辨率低。我们用三甲医院的标准做预处理，是不是太理想化了？”

老李抬起头，“你是说……数据本身有问题？”

“不是有问题，是不匹配。”陈砚舟翻开之前的测试记录，“你们看，这七次失败诊断，六次都集中在小结节边缘识别上。而这些影像共同点是什么？信噪比低于15db，动态范围压缩严重。”

他合上本子，“我们让AI学画画，给它的却是铅笔涂鸦。画不好，不一定怪画家。”

有人轻笑了一声。

陈砚舟也笑了，“我知道大家累。连续熬了四个通宵，结果卡在这儿，换谁都烦。但我们现在要做的，不是再写一百行代码，而是回头看看，喂给系统的‘饭’干不干净。”

他眼神坚定，语气不容置疑，仿佛在黑暗中为众人点燃了一盏明灯。

技术团队里一个年轻女孩开口：“你是想重新清洗数据？”

“不只是清洗。”陈砚舟站起来，走到白板前，一字一顿地写下几个字：剔除低质样本、重建标注集、分层训练。

“我们要把那些模糊的、失真的、根本看不清结构的片子先筛出去。然后对剩下的做精细化标注，尤其是边缘区域。最后分阶段训练——先让模型学会认‘清楚的’，再慢慢引入‘不太清楚的’。”

老李摸着下巴，“这么做周期会拉长。”

“总比原地打转强。”陈砚舟说，“我们现在拼的不是谁更快，是谁更能看清问题在哪。”

会议室安静了几秒。

然后有人开始收拾桌上的资料。那个摔鼠标的年轻人默默打开了电脑，重新载入日志备份。

“我可以写个脚本自动筛选图像质量。”一个戴眼镜的男生说。

“我联系医院，申请原始dI文件导出权限。”另一个女生举手。

老李看着陈砚舟，“你什么时候发现这个问题的？”

老李的眼神中透露出对陈砚舟的敬佩和一丝释然，仿佛看到了项目转机的希望。

“刚进来的时候。”陈砚舟指了指屏幕，“误差波动有规律，集中在特定类型影像上。这不是随机误差，是系统性偏差。”

“那你早不说？”

“我说了有用吗？”陈砚舟笑了笑，“你们正忙着调参，我说数据有问题，听起来像在甩锅。不如等大家自己撞到墙，再一起找新路。”

老李摇头，“你小子真是……”

“我是负责人，不是救火队员。”陈砚舟收起笔，“我的任务不是亲自写代码，是让大家别走偏。”

会议结束得很快。没人再坐着发呆，各自领了任务散开。

陈砚舟没走。他坐在主控台前，翻看早期采集的影像样本。

窗外的夜色如墨，实验室里的灯光却格外明亮，映照在陈砚舟专注的脸上。他时而皱眉，时而低头记录，仿佛在与这些影像样本进行一场无声的对话。每一张模糊的ct图片，都像是一个待解的谜题，而他的心中，已经燃起了攻克难题的火焰。

屏幕上一张张肺部ct滑过，有的清晰，有的像蒙了层雾。他用蓝笔在笔记本上记录异常图像特征，红笔圈出优先清洗的数据类别。

窗外夜色深沉，楼道里的灯陆续熄灭。只有这间实验室还亮着。

他手机震动了一下。还是那个号码。

他看了一眼，没动。

二十分钟后，技术组的小王走过来，“脚本写好了，能按信噪比、对比度、分辨率三项指标自动分类图像。第一批数据明天上午可以跑出来。”

“辛苦。”陈砚舟说，“跑完后单独建个文件夹，标‘待人工复核’。”

“明白。”

“还有，别用默认命名规则。改成‘机构简称+设备型号+采集日期’，后面加个质量等级。比如A/b/c。”

“c级直接进废片库？”

“不。”陈砚舟摇头，“c级留档，但不参与训练。我们可以研究它为什么差，以后对接新医院时提前预警。”

小王愣了一下，“你还真打算长期用这种老设备？”

“基层医院不可能马上换新机器。”陈砚舟说，“我们的系统，就得能在破车上跑出好成绩。”

小王走了。陈砚舟继续翻数据。

又过了半小时，老李端着两杯咖啡回来，递