自动操作与自动建模如何分别验证：同一CT三路线配对评价方案

摘要

目的：解决医学三维软件整合中的一个归因问题——既有操作被自动执行后，流程能够结束是否意味着建模质量已经得到验证；若改用专科模型，如何判断改变来自算法、人工修订还是下游处理。方法：以同一CT和预先定义的目标结构为配对单位，设计人工操作既有软件、自动操作同一软件、专科模型处理三条路线，分别保留初稿、修订稿和导出稿，以共同参考核验质量，并记录人员有效操作时间及失败。

本文形成评价协议和错误定位表，尚未实施该比较，也不据此判定任何路线更优。方案的贡献在于明确各组差异可以回答什么、不能回答什么，使“自动化是否可靠”和“更换算法是否有益”成为可分别检验的问题。

关键词：医学三维建模；流程自动化；配对评价；分割质量；人工修订；误差归因

1 研发问题与证据边界

当智能调度系统连接既有影像工作台时，至少存在两种变化：一是由程序执行原先需要人员完成的操作，二是将后台计算替换为专科模型。两种变化可以同时存在，但评价时需要拆开。用户看到同一个界面、同样的三维输出，并不意味着内部采用了相同算法或产生了相同误差。

2026年10月的研发讨论提出了既有影像工作台、SI与专科模型的整合需求。只读核对的候选交接资料分别记载了原生处理链、合成输入检查和专科结果回传；它们是历史工程记录，不是本文重新执行的测试，也没有提供同一批CT的三路线配对质量比较。本文据此限定研究问题，未运行患者数据、模型推理或设备打印。

既有文章已讨论分阶段质量证据^[3]及表面处理保真^[4]。本文进一步聚焦对照设计：如何固定输入与任务语义，如何安排中间检查点，以及如何避免把多个同时变化的环节归因给单一算法。

2 三条路线与共同任务定义

评价前固定目标部位、侧别、结构清单、输出类型和用途。原始骨形态重建、独立骨折块分离、虚拟复位是不同任务；若某模型只提供整骨语义分割，就不能直接以其结果代表骨块实例分离或复位成功。不能提供目标能力的路线应记录为不适用，并计入适用范围报告。

A路线由受训工程师操作既有软件，允许按既定规范调参和修订；B路线由SI自动执行同一软件的既定流程，保存自动初稿，再按统一规则进入必要的人工修订；C路线由指定专科模型产生初稿，也进入相同的下游核验与修订规则。三条路线均绑定软件、权重、配置、输入和输出版本。

A与B比较实际回答自动执行方案能否替代既定人工流程，其中包含参数选择和人员干预的差异。如果需要单独核验操作复现，则另设配对检查：固定A的参数和操作记录，让B重放，并比较同阶段输出。这项检查只评价复现一致性，不能替代A、B真实工作方式的效能比较。

B与C若连网格生成、平滑或导出工具都不同，只能比较两条完整工作流。要进一步讨论分割算法贡献，需将两者原始分割送入同一固定后处理，再独立比较；接口转换本身也应核对，不能把单位或坐标错误归入算法精度。

3 三个检查点定位误差来源

检查点一保存各路线的首次完整结果，包括分割标签或初始网格、失败输出和运行参数。此时尚未进行评价人员的救援修订。检查点二保存按统一规则修订后的结果及修改记录。检查点三保存最终导出文件，并核对其与修订稿的关系。初稿缺失或流程失败不得仅因后来手工补齐而从统计中消失。

评价参考应独立于被比较的某一路线。建议由未参与候选生成的合格评价者，结合源CT和预定结构定义形成参考及分歧记录；在可行时隐藏路线名称、随机呈现顺序。人工A路线不是天然无误的金标准，三条路线一致也不能证明共同遗漏不存在。

RSNA工作组建议将模型处理与源影像核对纳入医学3D打印质量流程^[1]。Fogarasi等对一个颌面案例的多种数字处理流程比较提示，局部和整体指标提供不同信息，单一指标不能概括最终几何表现^[2]。这两项来源支持分段核对和组合评价的必要性；本文的三路线设计是进一步提出的方法，不是文献已经验证的方案。

4 质量、工时与适用范围分别记录

建议先定义不可接受的对象错误，再报告连续误差。对象层面记录目标结构遗漏、错误粘连、过度拆分、侧别与标签错误；几何层面记录预定区域的边界或表面偏差，并在适用时补充重叠指标。关节面、薄壁或小骨块等关注区域在看结果前确定，避免事后挑选有利区域。

坐标、单位、文件可读性和网格结构检查作为接口与工程指标单列。合成几何可用于检查已知坐标、尺寸和拓扑变化，但其通过不能证明真实影像中的解剖识别正确。表面更平滑、文件更小或网格闭合，也不单独代表目标结构保真。

人员有效操作时间至少拆为准备、初稿修订、复核和救援；计算耗时与等待时间另列。比较最终质量相近的结果时，才能进一步解释人员节省是否成立。若某路线需要大量救援才能完成，应同时报告自动初稿质量、救援比例和最终交付质量。

适用范围采用全部预先纳入任务作底账，区分可执行、自动失败、经修订完成、救援完成及不适用。不能仅以成功导出模型作分母。本文不预设通用毫米阈值或任意成功率目标；阈值应依据目标用途、数据条件与评价方法在研究前约定。

5 配对实施与统计原则

先用少量获准样例检查记录表、工具接口和计时方法，再冻结协议开展评价。开发调参与评价材料分开；同一患者的重复扫描和派生版本归入同一分组。病例覆盖目标范围内的影像质量、结构复杂程度和失败类型，而非只选容易产生漂亮模型的输入。

每例接受三路线处理，操作顺序进行随机或平衡安排，减少人员记忆和疲劳影响；尽量分离操作者与评价者。修订人员若见过其他路线结果，应记录该情况。配对差值按病例汇总，报告分布与不确定性；同一患者的多结构、切片或多次运行不能被当作大量独立患者。

主终点和处理失败的规则预先指定。例如先比较符合共同质量要求的比例，再在相应质量条件下比较人工投入。样本量依据预试验变异、主要终点和目标估计精度确定。没有参考标注或可信目标定义时，先报告可复现的工程现象，暂不报告解剖准确率。

6 从比较结果到研发决策

错误定位应沿同一产物链推进。若B的初稿落后于A，而固定参数重放可以一致，优先检查自动参数选择或缺少的局部修订；若重放仍不一致，检查动作映射、状态和版本。若B、C分割初稿相近而导出差异扩大，检查后处理及转换，不能直接要求重新训练模型。

若C在统一后处理下的初稿质量更好，但最终人员投入没有减少，需检查工具交接、修订交互或复核成本。若最终质量提高来自更多人工救援，应将其报告为人机协作结果。若三路线共同漏掉目标结构，应复查输入与目标定义、参考建立方法和适用范围。

这些判断是待检验的定位假设；表格中的现象不具有唯一病因。每次修复只改变明确因素，保留旧结果与失败记录，再用原评价任务和新的留出任务分别检查是否修复与是否泛化。

7 局限与结论

本方案来自单一研发场景与定向资料核对，没有完成系统综述、受控比较或独立复现。三路线可能受到操作者经验、参考分歧、接口兼容性和病例选择的影响；盲化也可能因输出外观而不完全。评价数字模型的结果不能直接证明打印实物精度、临床获益或产品用途已经获得批准。

实施价值在于把一个笼统的“自动建模好不好用”问题拆成可定位的比较：流程替代是否可靠，专科算法改变了什么，人工修订贡献了多少，以及误差在哪一步引入。在这些记录形成之前，流程跑通应报告为运行结果，模型质量仍作为独立待验证事项。

作者、AI辅助与资料说明

作者：瑜秀曈芯。应用问题来自子殷科技研发讨论，作者与相关研发存在利益关系。ChatGPT参与资料核对、方法组织、文字与图表制作；AI辅助不替代后续研究实施和专业评价。本文未声称经过独立专家评审。

本文仅公开方法设计，不包含患者影像、身份信息、内部凭据或原始日志。图表为拟议协议，未填入虚构实验数值。后续若实施，应另行记录实际日期、数据授权、版本、失败和结果，不能回写为本文发表时已经完成。