周三下午，放射科主任盯着屏幕上的AI诊断结果，手指悬在"确认"键上——三分钟后，他选择了人工复核。这不是个例。一份针对临床医生的调研显示，超过六成使用者对AI辅助诊断持保留态度，信任缺口正在阻碍技术落地。

问题出在哪？工程师常把准确率当终点，医生却把"可解释性"当起点。黑箱模型给出"恶性概率87%"，医生需要知道这87%从哪来——是边缘毛刺？密度不均？还是钙化形态？没有推理路径，数字只是数字。

打开网易新闻 查看精彩图片

另一个断层是责任归属。AI出错时，谁对患者负责？现行框架里，签字的是医生，背锅的也是医生。工程师没给出的"人机协作协议"，让临床端成了风险孤岛。

打开网易新闻 查看精彩图片

修复信任需要双向翻译：把模型决策翻译成医生能追溯的临床语言，把医疗场景的容错需求翻译成技术约束条件。技术可行性和临床可用性之间，隔着一层叫"可信赖"的窗户纸。

打开网易新闻 查看精彩图片