医学影像AI将放疗方案制定缩至23分钟，这一效率突破确实存在，但距离大规模普及仍有相当距离，主要不确定性集中在技术可靠性、数据合规、设备兼容与医疗责任划分等层面。效率数字是单点案例的临床价值体现，并不等同于AI已能在所有复杂场景中稳定复现同等表现。

效率突破背后的技术边界

在复旦肿瘤医院，AI辅助的CT和放疗一体机把平时需要几天完成的放疗方案制定和实施缩短到了23分钟，具有极高的临床价值。但需要理性看待的是，这一案例反映的是特定机构、特定设备条件下的最佳实践。

放疗AI对医学影像数据质量与标注一致性有高度依赖。不同厂家的CT、MRI设备在成像参数、信噪比上存在差异，训练数据与真实临床数据的分布偏移，可能导致AI在陌生设备或罕见解剖变异上出现识别偏差。这类识别失败在放疗场景中的代价远高于筛查场景——方案制定错误直接关联照射剂量与靶区勾画，涉及患者安全。因此，技术上的“偶发失误”在放疗场景中被放大为不可接受的安全风险，这决定了临床采纳必然采取渐进策略。

数据合规与多中心泛化困境

AI模型的训练依赖大量标注精准的医学影像数据，但医疗数据涉及患者隐私，跨机构的数据共享受到严格法规约束。高质量、多中心、病种均衡的训练数据获取难度，直接制约模型的泛化能力。一个只在单一顶级医院数据上训练的模型，迁移到设备型号不同、扫描协议各异的基层医院时，性能衰减程度难以预先量化。

此外，医学影像设备行业本身技术壁垒极高，需要长期重资本投入和大量研发投入。对于国产企业而言，当前正处于政策红利期——大型医用设备配置管理趋松，国产替代进口方向明确，AI与云技术融合被视为行业趋势之一。但放疗AI作为软件系统，必须与具体的放疗硬件（直线加速器、CT模拟定位机等）深度适配，设备兼容性决定了AI方案能否真正落地到不同层级、不同品牌的医院。

常见问题

AI放疗方案制定是否意味着可以替代放疗科医生？

不能。23分钟完成方案制定与实施，指的是AI辅助下的效率提升，核心价值在于把医生从耗时数天的重复性勾画工作中解放出来，而非取代医生的最终判断。靶区勾画的最终确认、处方剂量的决策、治疗计划的质控，仍需要具备资质的放疗医师和物理师把关。

中小医院部署AI放疗的主要障碍是什么？

主要障碍在于硬件门槛与成本回收周期。高端放疗设备本身单价高、配置受监管审批限制，AI软件作为附加价值层，难以独立于硬件存在。中小医院若未配置与AI系统兼容的高端设备，则无法享受效率红利；而设备采购决策受预算和预期使用率约束，AI的增量价值在低流量场景下并不显著。

AI放疗若出现医疗事故，责任如何划分？

这是当前法规尚未完全厘清的领域。当AI辅助生成的治疗方案涉及偏差时，责任归属涉及AI供应商、设备厂商、操作医生和医疗机构多方。现行监管框架主要针对医疗器械本身的审批管理，对AI在临床决策中的角色界定仍在演进中，这种责任划分的不明确性，客观上抑制了医院大规模采购和临床应用的积极性。