辰光科技搬進寫字樓那天，王凱旋扛著焊機從六樓舊辦公室走樓梯下來，走了三趟。
新辦公室在知春路一棟老寫字樓的七層。
兩間打通，一共一百四十平。
有電梯，有中央空調，有獨立衛生間。
窗戶朝南，能看到樓下的小花園，月租是原來那間舊屋的四倍。
「真搬？」張大川站在門口，手裡提著工具箱。
「搬。」陸遠說，「人多了，舊地方擠不下。」
到2007年底，公司從四個人擴到了十七個。
王凱旋和張大川各帶一個小組。
王凱旋負責硬體，從外殼到感測器到電源管理，全管。
張大川負責結構，把醫療裝置的安裝方式標準化了。
本書首發 讀好書上 101 看書網，𝟷𝟶𝟷ᴋᴋs.ᴄᴏᴍ超省心 ,提供給你無錯章節，無亂序章節的閱讀體驗
於晚晴管臨床，把每個客戶的反饋匯總回來，一條一條改需求。
陸遠管總，寫程式碼，盯專案，也盯人。
新招的人大多是應屆畢業生，二十出頭，幹活有勁，但經驗少。
陸遠給他們每人配了一台新電腦，裝好開發環境，然後就扔給他們一堆舊程式碼讓他們讀。
「先看。看懂了再說。」
新來的人里有一個叫孫遠的，華清計算機系畢業的，成績很好，但沒做過實際專案。
他讀了三天程式碼，跑來找陸遠。
「陸總，這個醫療資料傳輸的程式碼，是您寫的？」
「嗯。」
「寫得真好。模組拆得清楚，介面也乾淨。」
「還行。」
「可為什麼不做成一個大的系統？現在這樣拆成三塊，每次有新需求都要改三個地方。」
陸遠看了他一眼。
「拆開是為了方便換。傳輸壞了換傳輸，採集壞了換採集。做成一個大的，改一處就得全測。」
孫遠想了想，點頭。
「我明白了。」
「明白就好。去把那個傳輸模組的錯誤處理重寫一遍。現在的版本只處理了五種異常。我要求至少二十種。」
「二十種？」
「二十種。每一種都要有對應的恢復策略。寫不完別下班。」
孫遠抱著鍵盤迴了工位。
陸遠坐在自己桌前，開啟一個新資料夾，資料夾名字叫「影像」。
他決定做AI醫療影像識別。
2007年的醫療AI還是一片空白。
醫院的影像科全靠醫生人工閱片。
一個醫生每天看幾百張CT，眼睛看花了，漏診錯診在所難免。
可沒有人敢用機器輔助。沒人信任機器。
陸遠不信這個邪。
他帶著孫遠和另外兩個畢業生，組了一個四人小組。
目標很具體：做一個肺結節識別的早期模型。
不用太准，先跑起來。
資料是最大的問題。
沒有公開資料集，醫院的資料又拿不到。
於晚晴跑了三家醫院，好說歹說，簽了六份保密協議，最後只拿到一百多例標註好的CT切片。
每一例都對應一個確診結果。
有結節，沒結節，良性，惡性。
一百多例。
對於訓練模型來說，少得可憐，可陸遠不在乎。
「先用這一百例。跑起來再說。」
他們把資料分成訓練集和測試集。
訓練集八十例，測試集二十例。
模型結構很簡單，三層卷積，兩層全連線。
跑了一周，準確率百分之七十一。
孫遠有點泄氣。
「太低了。」
「低就對了。」陸遠說，「一開始太高，肯定是過擬合。」
他讓團隊把注意力放在資料增強上。
旋轉、翻轉、加噪聲。
一百例擴到一千例。
再跑，準確率到了百分之七十九。
還不夠，他知道遠遠不夠。
可他很清楚，現在不是要一個能用的產品。
他要的是一個能跑通的概念。
讓於晚晴拿去給醫院看，讓醫生知道，機器能學會看片子。
哪怕看得不好，至少在看。
於晚晴以醫學顧問的身份參與進來。
她把放射科的閱片流程拆開，寫了一份標準化的標註手冊。
結節的位置、大小、形狀、密度、邊緣特徵，每一項都對應到模型的一個輸出。
「醫生看片子，第一步先看整體。有沒有異常區域。第二步看細節。異常區域的特徵是什麼。第三步做判斷。良性還是惡性。模型也得按這個順序來。」
陸遠聽了她的意見，把模型改成兩階段。
第一階段做區域檢測，標記可疑部位。
第二階段做分類，判斷良惡性。
改完之後，準確率又漲了兩個點。
專案做了大半年，到2008年春天，模型能在測試集上跑到百分之八十三。
放在今天的標準看，低得沒法用。
可那是2008年，國內還沒有第二家公司在做這件事。
於晚晴帶著這個結果，去了一家三甲醫院的影像科。
科主任五十多歲，看了演示，沉默了一會兒。
「百分之八十三。比我們剛來的住院醫強。」
「但比您差遠了。」
「我看了三十年片子。機器才學了多久。」
「所以它只能當輔助。幫您篩掉沒問題的，剩下的您來看。」
科主任又看了一會兒螢幕上的標註框，點了點頭。
「可以試試。但有一個條件。所有結果必須由我稽核簽字。機器不能單獨出報告。」
於晚晴把這句話帶回來時，陸遠正在寫程式碼。
他聽完，停下手中的活。
「答應她。」
「你不覺得苛刻？」
「不苛刻。這是對的。機器輔助，人做決策。誰簽字誰負責。這就是我們想要的規矩。」
於晚晴看著他。
她忽然想起很多年前，在新星球靈械醫學院的走廊里，厲瑤跟她說過類似的話。
AI可以做很多事，可最後得有人站出來說，這是對的。
那個人得負得起責。
陸遠把模型程式碼提交到伺服器上，站起來伸了個懶腰。
他走到窗邊，樓下的花園裡有人遛狗。
遠處中關村的寫字樓群在夕陽里連成一片，玻璃幕牆反射著光。
他知道，這種專案距離真正的商業化還有很長一段路。
資料不夠，算力不夠，行業認知不夠。
可他不在乎，他要的是讓這個時代的醫療體系習慣「AI輔助診斷」這個概念。
讓倫理和規則先於人命被建立起來。
等到那個東西真的長大了，至少會有人記得。
當初辰光科技做過一個規矩：機器可以看，人才能簽。