混合专家架构 · 不预设病种的平台

模式由您的科室决定，模型由平台构建。

影像人工智能通常在交付时就已经选定了病种。这个平台反其道而行：由医院自行定义所关注的影像模式，标注自己的病例，并在自己的网络边界内完成模型训练。

生成模型的闭环

模型给出建议，放射科医生进行修正，修正结果构成下一轮的数据集。每一轮都应让下一轮需要修正的部分更少。

改进后的模型回到起点，成为下一轮预标注

专家混合

我们不卖模型。我们卖的是制造模型的机器。

混合专家（mixture of experts）架构：每个专家都是只负责一种模式的小模型，再由一个轻量编排器把它们的输出汇总为分区量化结果。我们构建的不是一组固定的专家，而是生产专家的机器。

在固定病种清单上训练出来的模型，需要多数医疗中心无法共享的数据，而且这正是本领域最快沦为同质化商品的部分。我们走相反的路线：平台本身就是产品，每家医院用它在自己的病例上构建模型。

接入一种新模式并不需要每次都重做一个研究项目。专家由一组固定的部件构成，且在训练开始前就已全部明确：模式定义、标注规程、数据集规格、基础模型、训练配方、评估工具和溯源记录。

每个专家生成自己的分布图，再由一个小型编排器将它们汇总为分区指标——按模式、按肺叶给出体积与占比。新增一种模式即新增一个专家，不必重新训练已有的专家。

标注、训练与推理全部在医院自身的网络边界内、在其自有 GPU 上运行。没有任何患者数据传输给我们，各站点之间也不汇聚模型权重。

我们报告的数字是放射科医生修正一个病例所需的时间，以及这一时间如何随标注病例数的增加而变化。它衡量的是标注效率，而不是诊断准确率——这一区分是有意为之。

只做解剖量化，不做诊断。平台量化的是临床医生所定义的结构与模式；它不产生诊断，也不替代临床判断。与临床中心的合作目前处于试点阶段。

我们正在筹建首批试点站点。如果贵中心有需要量化的影像模式，并且具备可供标注的病例，欢迎与我们联系。