清晨六点半，县医院还没醒透，住院楼地下室的灯已经亮了。林晓攥着钥匙开门，冷空气裹着霉味扑过来，她搓了搓手，径直走到病案柜前——昨天张建国的警告还在耳边，但一想到那些可能被误诊的农村患者，她还是没法按捺住心里的念头：得找出系统的漏洞，不然这AI就是个摆设。
她从柜子里翻出近半年的“农村患者慢性病病历”，一摞摞码在桌上，纸页边缘泛黄，还带着淡淡的消毒水味。林晓深吸一口气，打开电脑，把病历按“风湿性关节炎”“慢性支气管炎”分类，打算逐份输入系统测试。
第
一份是68岁王大爷的风湿病历，症状写着“双膝关节疼痛、遇冷加重、长期弯腰种玉米”。林晓把信息输进系统，点击识别，结果显示“普通骨关节炎”，准确率82%。她皱了皱眉，又输第
二份、第三份……越输心越沉，到上午十点，100份风湿病历测试完，系统识别准确的只有58份，剩下的不是认成骨关节炎，就是归为滑膜炎。
她歇了口气，又开始测试慢性支气管炎病历。72岁李奶奶的病历里写着“长期咳嗽、农活后气短、冬天烧煤取暖”，系统却判定为“普通感冒”；65岁张叔“咳嗽伴胸闷、长期扛柴火”，被认成“急性支气管炎”。100份测试完，准确率仅62%。
林晓把结果整理成表格，用红笔标注出系统漏判的关键症状：“农活后气短”“关节变形伴劳作史”“烧煤取暖史”——这些都是农村患者特有的特征，系统却完全没识别。她看着表格里“平均准确率85%”的系统显示值，再对比自己测出来的58%、62%，心里像压了块石头：这20多个百分点的差距，背后是多少患者被误诊的风险？
“你这是干啥呢？”周涛推门进来，看到桌上堆成山的病历，吓了一跳，“主任昨天刚警告过你，你还敢折腾？”
林晓把表格推过去：“周哥，你看，系统对农村慢性病的识别率根本不到60%，要是就这么按模板标数据，只会越错越多。我想找主任谈谈，能不能改改标注规则。”
周涛赶紧摆手：“你可别去！主任正为上周的药品短缺烦着呢——药房没了降压药，老人得去市里买，他刚跟采购科吵完架，你这时候去，不是撞枪口吗？”
林晓的脚步顿住了，是啊，张主任现在满肚子火，直接去找，只会被驳回。她坐在椅子上，盯着表格发呆，突然想起昨天护士阿姨提过的“老中医李伯”——县医院退休的中医科主任，和张建国是老同事，说不定能帮上忙。
午休铃一响，林晓就揣着表格往李伯家跑。李伯家在县医院家属院，老式单元楼，楼道里飘着饭菜香。敲开门，李伯正坐在藤椅上看医书，看到林晓手里的表格，推了推老花镜：“姑娘，你是县医院AI项目组的吧？建国跟我提过。”
林晓把测试结果递过去，李伯逐行看，手指在“农活后气短”上顿了顿：“这很正常。我当年坐诊，农村老人说‘气短’，十有八九是长期干重活累的，有的还伴着想咳嗽，这是肺功能受影响的信号。AI没见过这种场景，没收录这些特征，自然认不出，只会按城里人的症状归成普通感冒、支气管炎。”
“那您说，有没有办法让AI认出来？”林晓急忙问。