MRI · 肠道专科规格包：规格怎样写进可验收的数据卡

这包数据实际约定了什么

MRI · 肠道专科规格包是MRI方向可以沟通的一份规格，不是目录上的现货库存。交付形态写的是DICOM 多序列 + 报告。数量、批次和许可以当期数据卡与合同为准。下面只讨论这一包，不把其他部位或其他模态的说明书套过来。

规格里已经写得比较具体的规则是：本附件用于数据采购、样例评估、批次交付、验收整改和结算数量确认，不替代临床诊疗指南；不得为满足采购数量而额外诱导检查、补造报告、升级诊断或改变既有诊疗流程。交付规模：约定规模例。最终结算以验收合格的MRI检查/Study去重数量为准。计数口径：一行对应一个MRI检查/Study；同一次检查内的多序列、多期相、多重建、多视图或重复导出不得拆分计数。覆盖范围：以MR肠道成像/小肠成像为主体，记录肠腔充盈、运动伪影、覆盖范围和肠段；一般腹部MRI不得冒充肠道专项。仅对实际进入诊断视野且图像质量支持评价的结构形成阳性、阴性或疾病标签。

多序列 MRI 对软组织与功能信息敏感，是神经、盆腔与肌骨大模型的核心输入；序列完整性与扫描协议版本写入数据卡，优于单纯堆量。

对模型侧，用途边界是：支持多序列融合、病灶定位与结构化报告对齐；适合神经、盆腔、肌骨与心脏 CMR 相关 SFT/评测集。这是用途，不是效果承诺。

公开文献里已经站得住的部分

磁共振采购里最容易被写成一句「序列齐全」的，其实是协议漂移。场强、厂商、序列名称和缺序列时怎么处理，都会改变模型见到的分布。缺序列如果留到训练之后再解释，验收时就无法判断失败来自数据还是来自网络。

多期相和纵向随访如果存在，对齐键要在数据卡里有名字：靠检查日期字符串硬拼，随访样本会悄悄重复或错配。公开页只需要说明这些字段存在并如何验收；具体例次和人群结构在订单里锁定，不在新闻里报成库存。

把这些判断用在MRI · 肠道专科规格包上，只说明验收时该检查哪些协议，不说明任何未公开的模型名次。HealthBench（arXiv:2505.08775）说明开放生成要有对话级准则和难例子集；MedBench v4（arXiv:2511.14439）说明知识分与安全分可以背离，编排会改变系统读数；MedBench v5（arXiv:2606.24155）说明终答看起来稳时，过程仍可能先失败；MedHallu（arXiv:2502.14302）说明语义上接近真值的错误，比明显的胡说更难被发现。这些数字都属于原论文，不能横比，也不能写成 LumeSage 的实测排行。

这个议题要先做的决定

围绕MRI · 肠道专科规格包，这一篇只处理一个决定。规格要回答的不是「这包数据很大」，而是验收时双方打开同一份字段表，能否对同一条样本得出同一判断。建议写死的包括：计数单位（一次检查、一张切片，还是一帧）、去重主键、源文件格式、允许的派生格式，以及派生格式能否代替源文件。JPG、PNG、胶片照片和三维重建图，在多数影像任务里不能代替原始 DICOM 或原始切片。这一点要写在验收说明里，而不是留在口头。

任务如果不止一个，每个任务单独一列阳性定义和指南版本。合并成一个通过率，失败就无法回流成下一包的补丁。

决定做完之后，才值得打开MRI · 肠道专科规格包的数据卡逐项填写。决定没做完，表格填得再全也只是格式。

写进数据卡时不要省略的过程

对MRI · 肠道专科规格包，过程至少包括六件事。任务是什么、明确不覆盖什么。排除标准是什么，谁有权改。金标准来自原报告、复阅还是另一次检查。争议样本由谁仲裁，分歧是否留档。训练流水线能否看见即将用于评测的样本。版本号是什么，下一次换字典、换指南或换设备协议时，哪些指标还允许和上一版比较。

六件事里暂时没有的，写成未覆盖。未覆盖可以验收，含混不可以。含混会在复测或尽调时变成无法回答的问题。

医师终审如果出现在规格里，就写层级和抽检比例，不写「经过专家审核」六个字就结束。抽检比例和分歧留档，是这句话唯一可复核的形式。

更多字段见数据卡页面（/datasets/spec-mri-bowel/）。新闻不替代合同，也不把示意图上的标记写成实测指标或库存。

2026–2027 年公开数据仍不会替你完成的部分

未来两年，公开数据大概率仍做三件事：提供可引用的协议、暴露单一总分的失效方式、提醒动态题和难例子集为什么存在。它们不会提供你的授权链、你的设备和你的指南版本。这三样只能出现在自己的数据卡里。

所以MRI · 肠道专科规格包的下一步不是再找一篇论文把背景写长，而是把上面的六件事填实，并用一小批试交付确认双方对字段的理解一致。试交付通过之后，失败类型才决定要不要做分层补丁，或者要不要做一次与训练隔离的私有评测。

评测可以发现短板。它不构成医疗器械宣传，也不承诺购买数据之后模型分数或临床效果必然提高。规模与许可以数据卡和合同为准。

一次验收可以怎样进行

下面用MRI · 肠道专科规格包走一遍验收，避免规格停在形容词上。验收只看双方事先写过的字段，不临时增加「感觉重要」的项。

第一步核对身份。样本的主键是一次检查、一张切片还是一帧，必须和MRI的计数习惯一致。同一主键被导出多次，只能计一次。交付形态写的是DICOM 多序列 + 报告。派生格式如果存在，要能指回源文件。指不回的派生图，不进入合格数量。

第二步核对任务。每个任务单独看阳性定义、排除标准和指南或字典版本。两个任务共用一个通过率，就不算写完。版本号要能在清单里找到。找不到版本号的标签，默认还不能用于复测。

第三步核对人。终审层级、抽检比例和分歧是否留档，这三件事同时存在，才算「医师参与终审」。只有签名、没有比例和分歧记录，验收时记为未覆盖，而不是记为已通过。

第四步核对隔离。即将用于评测的样本，训练流水线是否能够读取，要有书面说明。说明不了，就不要把这批数据同时写成训练集和门禁集。

第五步才是数量。数量对照的是数据卡里的约定，不是新闻或目录上的口号。不足的部分写成缺口，并决定是补交付、缩小任务，还是把该层标成未覆盖。

这五步走完，MRI · 肠道专科规格包才从一篇介绍变成可以下单或可以退回的规格。走不完，就还停在询价之前。

哪些句子可以写，哪些句子不该写

可以写：MRI · 肠道专科规格包按MRI的任务规格沟通，源文件、去重主键、终审和许可以数据卡为准。可以写：公开基准用来对照协议。HealthBench 的准则数量、MedBench v4 的分轨现象、MedBench v5 的过程压力、MedHallu 的硬幻觉检测，都是论文自己的结果，引用时带上编号和限定。

不该写：无法核验的名次，把公开分数写成临床疗效，或把示意图上的标记写成实测指标。不该写：目录里的规划数量等于已经入库的现货。现货与否只以当期数据卡和交付清单为准。

不该写：购买MRI · 肠道专科规格包之后模型必然变好。评测和数据能做的是把短板变成下一次可验收的任务，不是保证分数或临床结局。

这些边界和篇幅无关。文章写长，是为了把验收过程写完；把同一句结论换几种说法再重复，并不增加可以核对的内容。

字段按什么顺序写才核对得动

如果把MRI · 肠道专科规格包的数据卡当成一份可以执行的说明书，字段的顺序比文采重要。建议按采集、标注、许可、评测四段来写，每一段都能单独抽查。

采集段写清楚MRI的来源边界：机构类型只写到可以验收的粒度，不写无法复核的「多家三甲」；设备或扫描仪、协议或染色、时间范围，至少有一项能在样本元数据里找到。找不到的项标成未采集，而不是留空。留空在复测时会被看成「也许有」。

标注段写字典版本和变更记录。字典改一个类名，旧模型的失败类型就会对不上新数据。变更记录不必很长，但要有日期和变更人。排除标准单独成条：质量不合格、协议不符、重复主键，分别计数。混在一个「剔除」里，买方无法判断剩下的分布还代不代表原来的任务。

许可段用可以回答是或否的句子。能否再训练，能否再分发权重，能否把样本放进对外演示，能否离开原机构处理，期限到哪一天。答不了的句子就不要出现在宣传页。宣传页可以指向数据卡，不能代替数据卡。

评测段只写和这包数据相关的门禁，不写一个笼统的医疗评测。若MRI · 肠道专科规格包用于训练，评测样本要说明是否从同一主键池抽出、抽出之后训练侧是否仍能读到。若只用于训练、评测另买，两份数据卡的主键规则仍应能对照，否则失败样本无法回流成补丁。

四段都写完之后，再写数量。数量是结果，不是定义。先有任务和主键，数量才有意义。新闻里不报告无法核验的库存。需要数量时，以交付清单和数据卡为准，并允许买方按主键抽查。

抽查建议事先约定比例和不合格时的处理：补充、降级该层，或解除这一任务的声称。处理方式写在前面，验收才不会变成谈判。

按这个顺序读MRI · 肠道专科规格包，篇幅来自要核对的步骤，而不是来自同一结论的反复改写。步骤缺了，文章再长也仍然不完整。就MRI · 肠道专科规格包而言，还可以把验收失败分成三类来写进纪要，这样下一封邮件不必重讲背景。第一类是文件和主键：打不开、对不回源文件、同一检查被多次计数。这类失败不讨论模型，先修清单。第二类是标签和人：字典版本对不上、排除标准混在一起、终审没有比例或分歧没有留档。这类失败说明金标准还不能复放。第三类是范围：许可没有写成是或否，或者评测样本和训练样本的隔离说不清。这类失败说明还不能同时声称「可训练」和「可过关」。三类分开写，补救动作才不一样。混成「质量问题」，供应商和买方会各补各的，下一次交付仍然对不上。所以读完MRI · 肠道专科规格包，应当能指出下一封邮件要问的是文件、标签还是范围。指不出来，说明这篇规格还停在介绍，没有进入验收。答案写在数据卡上。

和公开基准对照时怎样写句子

对照MRI · 肠道专科规格包时，公开基准只提供句式，不提供你的样本。句式可以这样用，也可以这样被用错。

HealthBench（OpenAI, 2025, arXiv:2505.08775）把开放生成拆成大约 48,562 条对话级准则，并由约 262 名医师撰写；另外设了 Consensus 与 Hard。引用它，是为了说明准确率不够，以及总分会饱和。不是为了说明某一家模型在中文临床里已经过关。没有抽检比例，读者也无法知道模型打分器偏离了医师多少。

MedBench v4（arXiv:2511.14439）被广泛转述的现象是分轨：整体可以看起来尚可，安全与伦理可以明显更低；同一骨干加上编排，端到端和安全读数都会变。写MRI · 肠道专科规格包的评测计划时，如果产品包含工具调用或工作流，就要单独一列系统读数，不能把系统增益记到基座头上，也不能反过来。

MedBench v5（arXiv:2606.24155）讨论的是过程：信息缺省、病历矛盾、证据晚到。终答的依据可以看起来还在，中间步骤已经错了。门禁若只保存最终答案，就检验不了这篇论文指出的失败。需要过程的任务，数据卡要有日志字段；不需要过程的任务，就明确写「本任务不验收中间步骤」，而不是沉默。

MedHallu（EMNLP 2025, arXiv:2502.14302）基于 PubMedQA 做幻觉检测，并强调硬幻觉：错误和真值在语义上更接近。公开结果里，较强模型在硬幻觉上的 F1 仍可以落在大约 0.625。这个数字不是问答总分。它只约束一种句子：看起来专业的错误，比明显的胡说更难被发现；允许模型回答不确定，本身就是评测设计。

影像侧的 CheXpert 与 MIMIC-CXR 提供胸片可比性，不自动提供再训练许可、设备域或中文报告。考试型公开集（MedQA、MedMCQA、CMB、CMExam，以及较早的 MedBench，arXiv:2407.10990）适合当知识回归的哨兵，题面也更容易进入训练语料。把它们写进MRI · 肠道专科规格包的附录时，写版本和日期，并写明不作为唯一发布依据。

这些文献放在一起，是为了限制措辞。限制之后，剩下必须由数据卡回答的部分，就是本文前面列出的主键、终审、许可和隔离。文献替代不了那一部分。

因此MRI · 肠道专科规格包的完整写法是一条链：任务和主键，然后是字典与排除，然后是终审和分歧，然后是许可的是与否，然后才是数量，最后才是要不要做试交付或私有评测。链上任何一环写的是形容词，这一环就还没写。试交付只验证链是否被双方理解成同一件事；私有评测只把失败收成下一环要补的类型。两者都不产生名次，也不把购买本身写成性能提升。观测和引用以论文原文为准；规模、批次和许可以当期数据卡与合同为准。留给MRI · 肠道专科规格包的核对清单可以压缩成八个问句，但每个问句都要有答案，而不是再写成一段背景：单位是一次检查、一张切片还是一帧；重复导出如何并回主键；源文件是什么，派生文件能否顶替；字典版本在哪，谁可以改；排除标准分哪几类，各类是否单独计数；终审抽检比例和分歧是否留档；再训练、再分发、演示和出境分别是否允许；评测样本是否与训练隔离。八个问句都有答案，这篇规格才算写完。问句和答案放在同一页，不要拆进不同的邮件。缺答案就写未覆盖，并缩小可以对外声称的范围。有问句没有答案，就在数据卡上标未覆盖。

最后把MRI · 肠道专科规格包交回给读者：若八个问句里已有六个答案，就可以进入试交付；若隔离和许可仍是空的，就先不要排私有评测。这个先后本身就是完整性，不需要再补一段重复的结论。试交付核对的是清单、字典和源文件能不能被对方打开；私有评测核对的是失败能不能命名。两件事都做完，文章要说的话就说完了。