算法里的人性补丁
医院的旧仓库里，李小南踩着积灰的纸箱，将最后一箱 “缝口档案” 搬到扫描台前。泛黄的病历本上，有牧民画的牦牛压痛心脏示意图，有孕妇用口红标记的宫缩节奏曲线，还有孩童在 CT 报告背面乱涂的星星 —— 这些曾被视为 “非标准数据” 的资料，如今成了 AI 升级的关键。
“先提取语音里的情感波动。” 李小南将录音笔怼在加湿器上，模拟高原干燥环境下的声音失真。实习生小林举着测光表，记录藏族老人讲述 “石头压胸” 时，瞳孔收缩 0.2 毫米的微表情数据。年轻程序员小陈蹲在地上，用不同颜色的便签标记病历里的隐喻：红色代表疼痛，蓝色代表时间，黄色代表身体部位。
“顾主任，” 小陈突然举起张带酥油茶渍的纸，“这句‘清晨的霜扎进骨头’，在藏语里对应风湿痛的特定时段！” 顾承川摸了摸油渍边缘的褶皱，想起李建国的断针本里，也有类似的疼痛时刻表 —— 用艾草燃烧的长度标记阵痛间隔。
情感数据训练进入第 7 天，AI 开始学会识别 “沉默的重量”。当 8 岁女孩在讲述腹痛时停顿 2.3 秒，系统自动将 “间歇性疼痛” 的置信度从 65% 提升至 89%—— 这个时长，恰好是人类回忆痛苦时的平均犹豫时长。李小南在监控屏上划出波动曲线：“看，她摸左胸的频率与语音停顿同步，这是身体记忆的诚实。”
第一个接受改良算法诊断的患者，是位用日语吟诵俳句描述胸痛的诗人。AI 在听到 “月落左胸，碎成冰棱” 时，不仅识别出 “左侧胸痛”“刺痛性质”，还根据俳句的季语 “月落”，判断疼痛多发于凌晨三点 —— 与动态心电图捕捉到的心肌缺血时段完全吻合。