如果你看过放射科医生处理一叠胸部X光片，最先注意到的往往不是诊断本身，而是大量时间花在了口述报告上。肺部、心影、纵隔、骨骼，正常、未见异常、无急性发现。这类报告占据工作日的大部分，写起来不需要太多脑力，但必须每次都按正确格式、用正确措辞完成。

XREPORT瞄准的就是这个问题。做好放射报告工作很耗神，而疲劳是诊断决策中最不希望出现的东西。自动化无法消除疲劳，但可以分担一部分常规工作，让医生在相对清醒的状态下完成人工审核。

打开网易新闻 查看精彩图片

本地优先，数据决定边界

这个工具不负责读片并告诉你哪里有问题，它只生成结构化的报告初稿，由有资质的临床医生阅读、修改并签字。整个项目最重要的一句话写在仓库开头：生成的初稿未经临床批准，需要合格的独立审核。第二重要的是隐私边界——XREPORT采用本地优先设计，对医学影像来说这不是包装偏好，而是核心前提。

X光图像属于受法律和伦理约束的患者数据。把胸部扫描发送到云服务的工具，对大多数医院来说根本不可行，因为机构无法控制数据流向和访问权限。XREPORT不会回传数据。模型只需下载一次，缓存在项目本地资源目录中，经过验证后离线复用。训练、验证和生成全部在用户控制的机器上运行。

这个决定影响了下游所有设计。没有云后端，就没有静默的模型更新，也不会出现周二到周三之间行为突然变化的情况。用户上个月验证过的版本，下个月依然运行，除非他们主动选择更换。

5个固定模型加自定义检查点

XREPORT避免把用户锁进单一黑盒。它内置了5个固定的Hugging Face公开报告生成模型，同时通过自有训练流程接受本地训练的检查点。固定模型的选择标准是每个都可验证、可追溯。自定义检查点的存在则给用户提供了另一条路径。

这种设计把选择权和来源透明度放在前面。用户知道自己在用哪个模型，也知道它来自哪里，而不是面对一个随时可能变化的云端服务。对需要稳定性和可审计性的医疗场景来说，这比单纯追求模型精度更重要。