病案室的铁柜被拉开时，总会发出 “吱呀” 的旧响，这声音林晓已经听了两天。她蜷缩在堆满病历的桌子旁，面前摊着三张分类表：“农村胃癌患者症状统计”“胃炎与胃癌症状对比”“生活习惯关联分析”，每张表上都密密麻麻写满了红色批注。

凌晨两点，林晓揉了揉发肿的眼睛，伸手去够桌角的矿泉水，却不小心碰倒了病历本。散落的纸页里，一份 2020 年的病历吸引了她的注意 —— 患者是 65 岁的张奶奶，症状写着 “长期吃腌萝卜干、晨起恶心、黑便”，AI 诊断为 “萎缩性胃炎”，三个月后确诊为胃癌中期。

“又是腌菜。” 林晓叹了口气，在 “生活习惯” 栏里画了个圈。这两天整理 127 份农村胃癌病历，她发现 68% 的患者都有 “长期吃腌制食品” 的习惯，可 AI 系统的 “生活习惯” 选项里，只有 “吸烟、饮酒”，根本没有 “腌制食品摄入” 这一项。

她又翻出刚找齐的 1873 份农村老人胃炎病历，逐份核对 “是否有黑便”。当看到第 1200 份时，林晓突然停下 —— 这份病历的患者有 “黑便” 症状，AI 却判定为 “普通胃炎”，和王大爷的情况一模一样。她统计完所有病历，心脏沉了下去：AI 把 “有黑便的胃炎患者” 误判为 “普通胃炎” 的概率，竟然高达 42%。

“你这是拿命在拼啊。” 周涛推门进来，手里拿着一件外套，看到林晓眼底的乌青，忍不住皱眉，“我刚在门诊听说，王大爷的手术安排在下周，要是能早点发现，也不用遭这罪。”

林晓接过外套穿上，指尖还在发抖：“周哥，你看这个。” 她指着电脑屏幕上的样本数据，“AI 胃癌识别模型里，农村患者样本只占 9%，全是大城市的病历，怎么可能认得出农村老人的症状？”

周涛凑过来，沉默了几秒：“之前我跟康医的技术员喝过一次酒，他说二代系统的胃癌模型，是用上海、北京三甲医院的病历训的，根本没加农村数据。他们说‘农村样本质量低，影响模型精度’。”

“质量低？” 林晓猛地提高声音，又赶紧压低，“这些病历里的症状，都是农村老人最真实的情况，怎么就质量低了？”

周涛拍了拍她的肩膀：“别气了，我帮你整理数据吧，你这样熬下去，没等汇报就先垮了。”

有了周涛的帮忙，进度快了不少。第二天一早，林晓带着整理好的 “中医症状待补充清单”，去了李伯家。刚说明来意，李伯就从书柜里翻出一本泛黄的笔记本：“这是我坐诊四十年的笔记，农村老人胃癌，多是‘脾胃虚弱’型，舌苔白腻、脉象沉细，还有的会‘饭后腹胀、喜温喜按’，这些在 AI 里根本没地方填。”

李伯边说边翻笔记，指着一段批注：“你看，有个老人跟王大爷一样，拉黑便、吃腌菜，我当时就怀疑是胃癌，让他去市里查，果然确诊了。要是 AI 能加这些中医特征，说不定能少误判几个。”

林晓眼前一亮：“李伯，您能不能把这些中医症状，转化成 AI 能识别的标注项？比如‘舌苔白腻’对应什么风险？”

李伯笑着点头，拿起笔在纸上写：“舌苔白腻→可能存在消化道出血风险；脉象沉细→提示气血不足，需排查慢性失血；喜温喜按→多为虚寒型胃病，癌变风险需关注。”

拿着李伯整理的 “中医症状对应表”，林晓回到病案室，周涛已经把 “农村与城市胃癌症状差异” 整理成了图表。两人对着数据核对到傍晚，一份厚厚的 “AI 胃癌识别漏洞报告” 终于成型。

报告里列着三个核心问题：一是农村患者专属症状（黑便、腌制食品摄入）缺失；二是农村样本量不足（仅占 9%）；三是中医特征未纳入识别体系。解决方案也很明确：补充症状选项、增加农村病历标注、嵌入中医特征，最后一页还手写着 “优化后预计准确率提升至 85%”。

林晓抱着报告去找张建国时，夕阳正透过窗户照进办公室。张建