AI放疗效率可提升40%！复旦肿瘤联合联影发布重磅研究成果
核心资料来源： 复旦大学附属肿瘤医院、中南大学湘雅医学院附属肿瘤医院、浙江省肿瘤医院、上海联影医疗、上海联影智能。研究成果发表于 Nature Communications (2025)。
对于癌症患者和家属来说，放疗前的等待往往是最难熬的。从CT定位到开始治疗，中间往往需要数天甚至更久。这并非医院效率低，而是因为放疗计划的设计是一项高强度的工作。既要杀死肿瘤，又要保护正常器官，物理师通常需要数小时的反复调试。
近期，复旦大学附属肿瘤医院联合多家医疗机构及科技公司，在顶级期刊 Nature Communications 发表了一项重磅研究。他们提出并通过多中心验证了一种AI自动化放疗计划方案，不仅覆盖了鼻咽癌、肺癌等五大高发癌种，更在真实临床环境中证明了其高效与可靠。
这项研究最核心的价值在于：它证明了 AI已经具备了在不同医院、不同设备间通用的实战能力。
一、技术突破
传统的放疗计划不仅耗时，而且难以标准化。这项研究提出了一种混合策略：利用 深度学习 进行 剂量预测，再结合临床目标引导 逆向优化。
简单来说，AI首先根据患者的CT图像，预测出理论上最优的剂量分布；然后基于这套预测，快速生成机器可执行的治疗方案。这一过程将原本复杂的参数调整自动化，大幅降低了对物理师个人经验的依赖。
二、质量对标专家
研究团队在三家不同层级的医院，针对250例患者进行了严格的盲测对比。结果显示：
- 临床接受度：82% 的AI自动生成计划被医生判定为临床可接受，可以直接用于治疗。在结构复杂的鼻咽癌病例中，接受率甚至达到了 100%。
- 对比人工计划：在盲测中，60% 的案例被医生认为AI做的计划比人工计划质量更好。
- 效率提升：AI生成一个可执行计划的时间通常在 5分钟 内。在真实的全流程测试中，整体规划时间缩短了 40%。
而且在剂量学分析中也进一步证实，AI计划在靶区适形度、均匀性和危及器官豁免方面匹配或超越人工计划。
三、AI计划的强通用性
医疗AI落地最大的难点往往是水土不服，在A医院训练好的模型，到了B医院因为设备或医生使用习惯不同就失效了。
尽管三家医院在靶区勾画、照射技术和评估标准上存在差异，但通过调整目标列表的容差参数（如降低肺组织V5Gy剂量限制），AI模型可快速适配本地协议。
不需要重新训练AI模型，只需调整“临床目标列表”中的参数，AI就能迅速适应当地的临床标准。
这种通过参数微调而非模型重训来解决跨机构差异的思路，极大地降低了AI在不同医院推广的成本和门槛。
四、独家观察
如果我们跳出技术细节，从医院管理者或医疗科技企业高管的视角审视这项研究，可以得出三个关键结论：
1. 医疗服务的工业化标准 过去，放疗质量很大程度上取决于物理师的水平，这是典型的手工业特征，难以规模化复制。这项研究证明，AI可以将顶级三甲医院（如复旦肿瘤）的专家经验封装成算法，分发到基层医院。对于医疗集团而言，这意味着可以 低成本实现跨区域的医疗质量均质化，这是连锁化扩张的技术基石。
2. 人力资源优化 效率提升40%，并不意味着要裁掉40%的物理师，而是拉高了投资回报率。物理师将时间投入到更复杂的疑难病例设计或科研中，对于医院管理者来说，这解决了放疗科室产能受限的瓶颈，能够以现有的人力资源服务更多的患者，直接提升科室的 运营效率和收入天花板。
3. 自适应放疗的前景 目前的放疗通常是一次计划用到底。但患者在治疗期间体型、肿瘤大小都会变化。AI能在5分钟内生成新计划，使得 自适应放疗（每次治疗前根据当天情况重新做计划）在具备了可行性。这将是放疗设备厂商和服务商下一个核心竞争的高地，谁能率先整合这种能力，谁就能掌握高端市场的话语权。
