河北医科大学第四医院的病房里，曾经同时躺过两个胃癌病人。两个人TNM分期完全一样，都是局部进展期，都符合手术条件。其中一个嗜烟酒、常年应酬，因为酒后胃出血被送进急诊，医生私下断定，这个人的预后恐怕不乐观。另一个查出病情后精神压力剧增，不吃不喝，接受了一场准备充分的规范手术。

多年以后，那个烟酒不离手的人依然健在，还能和老朋友聚会；而那位一切做到位的病人，术后不到半年复发，很快离世。

这个故事是赵群副院长多年随访里反复撞见的困惑，也是整项研究真正的起点。它像一根刺，扎在临床最柔软的地方：当医生手里的分期尺子量不出两个人的差别时，那个"看似规范、结果糟糕"的病人，究竟输在了哪一步。对于做产品的人，这个故事还有另一层意味——医生并不是不知道命运有差异，他只是缺一把能把差异提前看清楚的工具。

胃癌在中国有多沉重，底稿里那组数字足够冰冷：2022年新发约35.9万、死亡约26万，各占全球的37%和39.4%。局部进展期患者做完根治手术，仍有四到六成会复发，约五分之一术后出现需要临床干预的中重度并发症。而医生手里几十年来用来判断风险的，是那套解剖学的尺子TNM分期——T看肿瘤浸润多深，N看淋巴结转移多少，M看有没有远处转移。赵群打过一个比方，一个枣和一颗花生米大小的肿瘤，按浸润深度可以是同一个T分期，但大小不同，预后一定不同。尺子量得清肿瘤长到了哪里，却量不出肿瘤的生物学脾气，更量不出病人的免疫、营养和肌肉储备。

我读到这里，脑子里冒出来的是设计行业最熟悉的那种困境：标准件量不出个性。工业设计里，任何把复杂事物塞进有限分类的做法，都会在分类的缝隙里漏掉真实。TNM就是临床上那套沿用太久的"标准模具"，它对群体有用，对具体的、活生生的某一个人，常常失语。团队要做的，不是再修一条边，而是换一种测量方式。

DeepComp模型换的方式，是让机器去读人眼读不出的东西。它读增强CT，而且同时读三层：肿瘤本身长什么样，肿瘤周围五毫米的微环境在发生什么，还有第三腰椎平面上的骨骼肌、皮下脂肪和内脏脂肪——这最后一项与肿瘤无关，与人有关。这是整项研究里最打动我的一个设计决定：它不只是看病灶，还把病人当成一个完整的躯体去评估。一个术前就营养不良、肌肉储备不足的人，哪怕肿瘤切得再干净，术后恢复也会很慢。肿瘤是全身性疾病这句话，被翻译成了一个具体的、可计算的多模态输入。

模型的表现，用数字说是这样：训练队列是11家医疗中心的5237例患者，另外用6项注册临床试验的数据做验证，合并内部验证集AUC达到0.888，九个外部队列保持在0.824到0.869，统计学上显著优于全部九种现有临床评分。但真正让我在意的，是那场人机对照——十位不同年资的外科医生，仅凭经验平均只能提前识别出不到一半的高危病人；拿到DeepComp辅助后，平均敏感性从47.1%跳到87.9%。十个注定要出事的病人，能提前抓住将近九个。

这个数字对工业设计师意味着什么，我越想越清楚。47%到88%，中间隔着的那一段，不是算法在独自提升，而是一个全新的"界面"正在形成。过去医生面对的是一个分期标签和一堆散落的影像直觉，现在他面对的，是一个把数十亿像素、灰阶纹理、身体成分、临床指标都吃进去之后，再吐出来的一个清晰的风险分数。AI真正做的事，是给一个有经验的医生配上一副更好的眼镜，而不是替他去下结论。这个边界，团队自己也划得死死的：模型供参考，最终判断在医生，前瞻性随机对照试验正在补证据。

到这里，一项出色的研究还只是浮在论文里。论文发在《肿瘤学年鉴》，了不起，但它和病房之间隔着一段很少被谈起的距离——那一段，恰恰是工业设计的地盘。一个外科医生在术前谈话的十几分钟里，用什么界面调出这个分数，结果以什么形式呈现才能既被信任又不被过度依赖，低危病人如何快速看懂"你可以放心少做检查"，高危病人又如何被说服坚持完成化疗。这不是锦上添花的UI，是决定这一整套心血最后能不能真正救人的"最后一公里"。急救设备、手术器械、监护仪，我们这行做了几十年，经验都压在一条相同的道理上：工具只有在医生最顺畅的工作流里、以最不费脑子的方式出现，才会被真正用起来，而不是被束之高阁。

这一段"从模型到工具"的产品化缺口，正是我们创品千乘这类全链路ODM服务商最擅长也最该往里沉的地方。这里我想把我们做产品的方法完整摊开，因为它和DeepComp多模态的思路在骨子里是同一件事。四力是我们做事的四种能力：创新力解决差异化，靠长期积累的判断去识别已有方案看不见的空档；专业力解决懂不懂这一行，医疗设备尤其如此，不懂临床流程、不懂注册逻辑，设计就是无根之木；控制力解决落地和成本，一个医疗组件要能开模、能装配、能耗得过认证；保障力解决确定性，流程化交付、三审制和风险兜底，在生命相关的行业里没有讨价还价的余地。五维是我们衡量产品的五把尺子：好看维在医疗器械里永远排在合规之后，医疗是"先合规再好看"的板块；专利维保证差异化能真正落地成壁垒；合规维在这里的权重极高，任何AI辅助工具要进临床，注册、数据安全、可解释性一个都绕不开；成本维决定它能不能在县级医院也用得起，而不是只服务头部三甲；量产维则回答这套能力能不能稳定地复制到一千家、一万家医院。创新力通向好看与专利，专业力通向专利与合规，控制力通向成本与量产，保障力在底下兜住全盘。DeepComp读三层信息，是专业力与创新力的合流；它要在9个外部队列里保持稳定，是量产维在科研端的镜像——跨中心泛化，本质就是产品的一致性。

我们创品千乘，是江苏创品工业设计有限公司的品牌，做从产品定义、外观与结构设计、CMF、手板验证，到专利布局、供应链整合和量产交付的全链路ODM服务，聚焦医疗设备、高端装备、机床与家用电器几个板块。医疗AI从纸面走到临床的那段路，未来一定会需要一批既懂临床又懂工程的人去把它走通——把一个模型的输出，变成一个医生在诊室里愿意用、患者躺着时看得懂的产品。这是设计行业接下来几十年里，少数几条同时需要深度与温度的路之一。

回到那间病房里的两个病人。命运的分岔，从前只能在多年后的随访里被事后追认；如今，增强CT的灰阶和纹理里，已经埋着一条人眼读不出的线，机器正在学会提前把它勾勒出来。工具从来不能改写生死，但它能做的，是把那四到六成会复发的人，从"术后才知道"的被动里，提前一点、再提前一点地挑出来，交到医生手里。对一个做了一辈子让机器与人更好相处的人来说，这就是最值得把专业押上去的地方。