2019年深秋，我第一次在英国某医院放射科观察到AI评估的系统性问题。研究人员用99%的准确率标榜模型性能，临床医生却在实际工作中频繁手动修正输出。这种割裂成为我此后五年研究的核心起点。测试环境与使用...