林深拉过一把椅子坐下，盯着屏幕上那组对比柱状图。基层医院的影像设备型号、操作规范、患者人群构成都和训练集偏差太大。但商业公司为了注册获批，通常会优先采集高质量数据来源，这本身没错——错的是他们不告诉监管部门这个模型只对高质量数据来源有效。
苏晓咽下最后一口三明治，擦了擦手。那我们建议他们补采基层数据？时间和成本都翻倍，客户肯定不乐意。
林深摇头：来不及。三类医疗器械注册排期至少十八个月，补采数据加重新训练再加验证，他们等不起。但我们可以给一个分层部署方案——模型在三甲医院可以直接用，在基层医院必须配上人工复核流程，而且复核比例不能低于百分之三十。这是把和使用场景绑定，而不是一刀切地通过或拒绝。
苏晓在键盘上噼里啪啦打了一段话，忽然停住。深哥，你有没有想过，我们做这样的分层建议，本质上是在帮客户规避责任？告诉他们你可以在安全的池子里赚钱，在不安全的池子里小心点——这算不算另一种形式的妥协？
林深转了一下椅子，面向她。你问得对。但审计师不是立法者，我们不能命令客户关闭业务。我们能做的是把风险的大小、范围、后果用数字和逻辑讲清楚，然后给一个可操作的缓释路径。如果客户在低置信区域仍然拒绝人工复核，那是他们的选择，我们的报告里会写明经审计方提醒后，委托方未采纳关于基层部署的附加控制措施。这就是审计的价值——把选择权还给人，但把责任也还给人。
苏晓若有所思地点了点头，然后忽然凑近一点：深哥，我读了你那篇白皮书的参考文献，里面引了那个被撤稿的顶会论文。我顺着那篇论文的作者往下追，发现那个前首席科学家现在就在明视科技的顾问名单里。
空气静了一瞬。林深的手指停在键盘上方。你说什么？
明视科技的官网学术顾问一栏，第四位，名字一模一样。就是他当年提出那个惩罚系数的数学框架——虽然被撤稿了，但技术思路被很多人借鉴过。如果明视科技的数据标注差异背后有他团队参与的痕迹……
林深立刻打开明视科技的官网，翻到顾问页面。那个名字确实在那里，白底黑字，头衔是医学影像人工智能先驱。他深吸一口气，又缓缓吐出来。这个世界太小了。那个曾经在信贷模型里埋下歧视性交互项的思想源头，现在出现在医疗数据的伦理风险背后。是巧合吗？还是某种一以贯之的技术哲学——总是优先优化主要指标，总是忽略边缘群体的分布差异，总是把高高举起，把轻轻放下？
他拨通了陈默的电话。老陈，明视科技那个项目，我需要加一个深度访谈环节。要跟他们全部的标注团队、算法开发团队、还有学术顾问单独面谈。时间你帮我协调，越快越好。
陈默在电话那头有点困惑。面谈？合同里没这一项啊，客户未必配合。
配合也得配合，不配合我们就出信息不完整的审计声明。这是底线。
挂掉电话后，林深对苏晓说：你明天开始做一件事，把那篇撤稿论文的作者所有后续发表的文章全部梳理一遍，看有没有和明视科技相关的共同署名或致谢。我要知道那条技术线是怎么流到这家公司的。