这张演进图把“近8年”的主线压缩成一条线：从自动勾画、机器学习计划，到在线自适应治疗和全流程质控，放疗科 AI 的问题已经不只是画得快不快，而是能不能进入真实治疗链路。
我对放疗科 AI 的判断很明确：它已经越过“单点辅助”阶段，正在进入计划系统、治疗机、复核队列和模型治理的深水区。真正的分水岭不是算法会不会画靶区和危及器官，而是医院能否把 AI 结果接进 TPS、OIS、影像、治疗机和质控闭环。
Varian Ethos 的官方产品页直接把 adaptive therapy、artificial intelligence 和治疗现场放在一起展示。它证明放疗 AI 已经不只是“桌面软件功能”，而是在向治疗室当天决策延伸。来源：Siemens Healthineers / Varian Cancer Care 官网，访问时间 2026-08-05。
放疗科为什么先成熟
放疗科天然适合 AI，但它也天然难做。
适合，是因为它的数据对象很清楚：CT、MR、CBCT、PET、靶区、危及器官、剂量、计划、摆位、分次治疗记录。很多输入输出都有结构化位置，天然适合模型学习和自动化。
难做，是因为放疗不是“看完一张图给一个结论”。它是一条治疗链：医生勾画靶区，物理师做计划，治疗师执行摆位，系统记录剂量，科室持续复核。任何一个环节出错，后果都不是多写一句报告，而是可能改变患者接受的真实剂量。
所以放疗 AI 的成熟，不应该只看某个模型 Dice 系数多高，也不应该只看一个自动勾画软件能节省多少分钟。更关键的是三件事：它能不能稳定接入计划系统；医生和物理师能不能复核、修改和追溯；上线后能不能持续监测模型漂移和版本变化。
这也是为什么放疗科比很多科室更早出现“AI 进入工作流”的产品形态。自动勾画只是入口，自动计划、剂量预测、计划 QA、在线自适应治疗和治疗记录治理，才是后面的主战场。
AI正在改写哪条链
这张工作流图解释了 AI 在放疗科的真实落点：入口不是“模型输出”，而是影像、结构、计划和治疗记录；出口也不是“替医生签字”，而是复核队列、计划约束、治疗机执行和质控台账。
今天真正能进入工作流的放疗 AI，大致卡在五个位置。
第一类是自动勾画。输入 CT、MR 或 CBCT，输出危及器官和部分靶区结构，医生负责复核和修改。它解决的是“从零开始画”的时间消耗，以及不同医生之间结构命名和边界的一致性问题。
第二类是计划辅助。输入结构、处方、剂量约束和既往计划，输出剂量预测、优化参数建议或初始计划。它不直接替代物理师，而是把重复优化和经验迁移前移。
第三类是自适应治疗。输入当天影像和解剖变化，系统重新评估结构、剂量和计划适配性。这个方向最接近治疗室现场，也最考验设备、计划系统、影像链路和 QA 流程。
第四类是计划 QA 和错误检查。它不追求“生成”，而是发现异常剂量、结构命名错误、计划参数冲突、治疗记录偏差。医院真正上线时，这一类经常比炫目的生成能力更有价值。
第五类是科室治理。把结构、计划、剂量、治疗记录、不良反应和随访打通，沉淀成科室的模型验证、版本回滚和质量改进依据。这个阶段还没有完全成熟，但会决定下一轮采购。
近8年怎么走过来
| 时间 | 节点 | 这一步说明什么 | 证据口径 |
|---|---|---|---|
| 2018-12 | RayStation 8B 引入机器学习相关计划/分割能力 | AI 开始以产品功能进入 TPS 语境 | RaySearch 官方发布与产品档案 |
| 2019-06 | RayStation 获 FDA 510(k) K190387 | 计划系统持续进入监管记录 | openFDA 510(k) |
| 2020-2021 | 自动勾画产品加速进入临床试用 | 从研究算法转为可采购软件 | 厂商官网与医院部署资料 |
| 2022 | 自适应放疗成为头部设备厂商重点路线 | AI 从办公室走向治疗室 | Varian Ethos 官方产品页 |
| 2023 | NICE 开始评估 AI 辅助放疗勾画技术 | 支付方和卫生技术评估开始关注 | NICE HealthTech guidance |
| 2024 | 多器官、多部位模型成为自动勾画卖点 | 竞争从单模型转向模型库和标准化 | Radformation、MIM、MVision 官网 |
| 2025 | ASTRO 等组织强调监督、QA 与治理 | 上线重点从准确率转为责任边界 | 专业协会指南 |
| 2026 | 产品竞争转向在线自适应、平台集成和模型治理 | 下一阶段看链路，不看单点演示 | 厂商官网与近12个月产品迭代 |
这里的“近8年”不是从深度学习论文开始算，也不是从某个医院试点宣传开始算。本期按可核验的产品化节点起算：2018 年 12 月 RayStation 8B 把机器学习相关能力带入治疗计划系统产品语境；截至 2026 年 8 月 5 日，精确跨度为 7 年 7 个月 23 天，所以标题写“近8年”。
我认为这条时间线最值得医院注意的，不是 2018 到 2026 之间出现了多少模型，而是 AI 的落点一直在往后移：先是画结构，再是改计划，再是当天适配，再是全流程 QA。
产品竞争分三层
这张分层图把当前市场拆成三层：模型工具层、计划系统层、治疗闭环层。医院选型时不能把三层混在一起比，否则很容易拿一个自动勾画工具去和自适应治疗系统横比。
第一层是自动勾画和模型工具。它们通常部署轻、试点快、价值直观，最容易被医生感知。Radformation AutoContour、MVision Contour+、MIM Contour ProtégéAI+ 都属于这一层。
第二层是治疗计划系统和计划辅助。它们更靠近物理师和计划室，核心竞争是剂量计算、优化器、计划模板、脚本能力、设备兼容和审计追溯。RayStation 是这层最典型的代表之一。
第三层是治疗闭环和在线自适应。它们把影像、计划、治疗机和当天决策捆在一起，采购门槛最高，也最能改变科室流程。Varian Ethos 是这层最有代表性的产品形态。
这三层不是谁替代谁。多数医院更现实的路径，是先从自动勾画降低重复劳动，再把结构和计划标准化，最后才讨论自适应治疗和全流程治理。
代表产品逐个看
RayStation：把 AI 放进治疗计划系统
RayStation 官方产品页强调的是 comprehensive treatment planning、机器兼容、adaptive therapy、MCO 和剂量计算能力。它证明 RayStation 的竞争位置不是单个 AI 模型，而是 TPS 工作台。来源：RaySearch 官网，访问时间 2026-08-05。
RayStation 的定位，是把 AI 放在治疗计划系统内部，而不是让医生在外部工具里生成一个结构再手工搬回去。
它的优势首先是工作流位置。TPS 是放疗计划的核心入口，医生、物理师、剂量师都围绕它协作。AI 能进入这里，就更容易触达计划模板、剂量约束、优化器、脚本和审计记录。
第二个优势是跨设备和复杂技术路线的兼容能力。放疗科不是只用一种治疗机，也不是只做一种治疗技术。一个 TPS 如果能覆盖 IMRT、VMAT、质子、碳离子、自适应等场景，AI 才有机会从单点功能变成计划室基础能力。
这张产品白板图把 RayStation 的价值压成四个词：计划、优化、复核、集成。它的局限也很清楚：医院不能只买“AI 功能”，还要确认本院治疗机、影像、OIS、计划模板和物理 QA 是否都能接上。
Ethos：把 AI 推到治疗当天
Ethos 官方产品页把 adaptive therapy 和 artificial intelligence 合在一个治疗系统里表达。它证明头部设备厂商正在把 AI 从计划室推向治疗室当天决策。来源：Siemens Healthineers / Varian Cancer Care 官网，访问时间 2026-08-05。
Ethos 的代表性，不是因为它“也会 AI 勾画”，而是它把 AI 放进在线自适应治疗系统。
传统放疗计划往往基于治疗前影像。现实中，患者体位、器官充盈、肿瘤变化都会影响当天剂量。在线自适应治疗要解决的，是当天影像来了以后，系统能不能快速更新结构、评估剂量、调整计划，并让医生和物理师在可控时间内完成确认。
这类产品的价值很大，但医院门槛也最高。它涉及治疗机、影像、计划、QA、排班、医生在场、物理师确认和治疗室吞吐。只看 AI 演示，很容易低估上线复杂度。
我认为 Ethos 代表的是放疗 AI 的下一段竞争：谁能把模型输出变成当天治疗决策，而不是谁能在离线 demo 里画得更漂亮。
AutoContour：自动勾画进入日常复核
Radformation AutoContour 页面展示了自动勾画产品形态，并强调 AutoContour 与 Limbus Contour 统一、覆盖 CT/MR/CBCT、可与 Eclipse 和 DICOM 兼容系统集成。来源：Radformation 官网，访问时间 2026-08-05。
AutoContour 的代表性，在于它把自动勾画做成了可部署、可集成、可被物理和医生团队日常使用的产品。
对医院来说，自动勾画最直接的价值不是“AI 替医生画完”，而是把重复劳动变成可复核初稿。医生可以把更多时间放在复杂病例、靶区判断和边界修正上。
它的优势还在模型库和兼容性。放疗科最怕只覆盖少数器官、少数体位、少数影像类型的产品。AutoContour 强调多部位、多模态和与现有系统连接，这正是自动勾画从试点走向日常的关键。
局限也要讲清楚：自动勾画降低的是初稿时间，不是医生责任。医院上线后必须抽样复核不同部位、不同扫描协议、术后结构改变、金属伪影和本院命名规范，否则节省出来的时间会被返工吃掉。
MVision Contour+：用标准化模型库换一致性
MVision Contour+ 官方页面把产品定义为 radiotherapy auto-contouring software，并强调 faster、guideline-compliant 和 consistent contours。来源：MVision AI 官网，访问时间 2026-08-05。
MVision Contour+ 的代表性，在于它把自动勾画和标准化指南放在一起表达。
放疗科的真实痛点，不只是“画得慢”，还有“同一个器官不同医生画得不一样”。这种差异会进一步影响剂量约束、计划优化和治疗质量。自动勾画如果能把基础器官结构先标准化，价值会超过单纯节省时间。
MVision 还把产品组合扩展到 Contour+、Guide、Verify 等平台化方向。这个信号值得医院注意：自动勾画厂商正在从“结构生成”向“计划引导、验证和适配”延伸。
医院评估这类产品时，重点不是看官网写了多少个模型，而是让厂商在本院 CT/MR/CBCT、不同肿瘤部位和不同扫描协议上跑盲测，观察医生实际修改量和命名规范适配成本。
MIM Contour ProtégéAI+：把零点击变成产品卖点
MIM 官网把 Contour ProtégéAI+ 直接定位为 Zero-Click AI Auto-Contouring，并提示版本和区域可用性边界。来源：MIM Software 官网，访问时间 2026-08-05。
MIM 的放疗产品线长期围绕影像、融合、轮廓、计划和质控工作流展开。Contour ProtégéAI+ 的卖点很直观：减少人工触发步骤，让自动勾画更像后台能力。
这对医院有吸引力，因为放疗科真正缺的不是“再打开一个 AI 软件”，而是让 AI 在正确时间自动进入队列，把结果推给医生复核。
但“零点击”也带来新的管理问题。自动触发不等于自动接受。医院必须定义哪些部位可以直接进入医生复核，哪些病例必须人工触发，哪些结果需要物理师或医生二次确认。
我更愿意把 MIM 这类产品看成“工作流自动化”竞争，而不是单纯模型竞争。它考验的是触发、队列、权限、审计和跨系统连接。
横向对比看边界
| 产品 | 主要位置 | 输入输出 | 优势 | 医院要追问 | 边界 |
|---|---|---|---|---|---|
| RayStation | TPS/计划室 | 结构、处方、剂量、计划 | 计划系统深、设备兼容强 | 本院治疗机、OIS、QA 怎么接 | 不是轻量插件 |
| Ethos | 治疗室/自适应 | 当天影像、结构、计划 | 把 AI 推到当天治疗 | 医生物理师在场流程和吞吐 | 设备和流程门槛高 |
| AutoContour | 自动勾画 | CT/MR/CBCT 到结构 | 模型库和集成能力强 | 本院修改量、命名和 DICOM 流 | 不能替代签字责任 |
| MVision Contour+ | 勾画/标准化 | 影像到标准结构 | 强调指南一致性 | 是否适配本院部位和协议 | 官方指标需本院复验 |
| MIM ProtégéAI+ | 勾画/队列 | 自动触发到复核队列 | 零点击和工作流感强 | 触发、权限、审计怎么管 | 区域版本可用性要确认 |
我认为这张表最重要的结论是：放疗 AI 不能按“谁模型更准”一条轴排名。自动勾画产品比的是模型库、复核效率和集成；TPS 比的是计划能力和设备兼容；自适应系统比的是治疗当天的流程闭环。
医院招采时如果把这些产品放在同一个评分表里，很容易失真。正确做法是先确认本院要解决的是哪一段链路：勾画产能、计划质量、治疗当天适配，还是全流程治理。
医院怎样选和上
放疗科 AI 选型，我建议医院先做六件事。
第一，先画清楚现有工作流。医生在哪个系统勾画，物理师在哪个系统做计划，OIS 怎么回写，治疗机数据怎么留痕，QA 记录在哪里。没有这张图，任何 AI 采购都会变成“买功能”。
第二，建立本院验证集。至少覆盖常见部位、少见部位、术后结构改变、不同扫描协议、不同设备、不同医生习惯。不要只看厂商 demo 病例。
第三，定义试点指标。自动勾画看初稿生成时间、医生修改量、结构命名一致性、返工率；计划辅助看计划可接受率、优化轮次、剂量约束达标；自适应治疗看单例耗时、当日吞吐、QA 异常和治疗延误。
第四，索取接口和数据流。DICOM、DICOM-RT、HL7、OIS、TPS、治疗机、单点登录、权限审计、日志留存，都要写进试点边界。
第五，要求版本治理。模型升级前后必须有回归验证，异常结果必须能追溯输入、模型版本、操作者、修改记录和最终签字。
第六，提前写退出机制。AI 不是上线就结束。医院要明确什么情况下暂停使用、回滚版本、重新验证，哪些结果不能自动进入后续环节。
国内代表厂家：产品边界与交付方式
| 公司 | 具体产品/方向 | 可核验优势 | 部署方式 |
|---|---|---|---|
| 连心医疗 | 肿瘤放疗 AI/自动勾画相关解决方案 | 聚焦肿瘤放疗智能化与临床工作流 | 官网未披露统一拓扑，招采时确认 |
| 柏视医疗 | 放疗 AI 自动勾画与计划相关产品 | 公开资料聚焦智能放疗软件 | 官网未披露统一拓扑，招采时确认 |
| 医诺智能 | 放疗辅助勾画/计划质控方向 | 公开资料覆盖放疗智能化场景 | 官网未披露统一拓扑，招采时确认 |
| 商汤医疗 | 医疗影像与肿瘤相关 AI 平台能力 | 平台型算法和院内集成经验 | 以项目资料确认本院边界 |
| 联影医疗/联影智能 | 放疗设备、影像和智能化平台 | 设备、影像和 AI 能力同源整合 | 需确认 TPS/OIS/治疗机接口 |
这张国内厂家表只作为采购坐标，不等同于深度竞品排名。医院真正招采时，必须逐家索取注册证或适用合规文件、接口清单、网络拓扑、数据流向、部署边界、升级回滚方案和本院验证资料。尤其是自动勾画产品，不能只看模型覆盖部位，要看结果能否进入本院 TPS/OIS 并保留完整审计记录。
风险不在模型本身
放疗科 AI 最大的风险，常常不在模型本身，而在“看起来能用”。
自动勾画如果少画一段器官边界，医生可能很快发现；但如果它在多数病例里表现不错，只在某类术后病例、伪影病例、特殊体位中系统性偏差，科室可能要过一段时间才意识到问题。
计划辅助也是一样。AI 给出的计划建议可能符合部分剂量指标，却不一定符合医生对靶区覆盖、危及器官保护、治疗可执行性和患者整体状态的综合判断。
自适应治疗更复杂。它把决策压缩到当天治疗窗口，任何接口延迟、图像质量、排班压力和人员确认机制，都会影响 AI 能力是否真正可用。
所以放疗科 AI 的未来，不会只属于模型公司，也不会只属于设备公司。它会属于能把模型、TPS、OIS、治疗机、QA、医生签字和数据治理接起来的系统型团队。
写在最后
未来业务架构图显示，放疗科 AI 会从“一个软件帮忙画结构”，走向模拟定位、勾画、计划、治疗、复核、随访和质控指标的连续链路。
未来技术架构图强调的是接口和治理：DICOM-RT、TPS、OIS、治疗机、模型版本、日志、权限和回滚会成为医院长期使用 AI 的基础设施。
放疗科 AI 的下一阶段，不会停在“自动勾画更快”。它会更像一套治疗链路操作系统：影像负责采集，AI 负责生成初稿和发现异常，医生和物理师负责复核，系统负责把每一次修改、每一个版本、每一个计划和每一次治疗记录留下来。
我更看好两类产品。一类是能低摩擦接入现有 TPS/OIS 的自动化工具，它们能先解决产能和一致性。另一类是能把治疗机、计划和当天影像接起来的自适应系统，它们会改变放疗科排班、人员和质控方式。
但无论哪一类，医院都不应该只问“AI 准不准”。更应该问：它进入哪条链，谁复核，谁签字，数据怎么回写，版本怎么回滚，出了问题能不能追溯。
本期一句话：放疗科 AI 近8年的主线，不是从不会自动勾画到会自动勾画，而是从单点模型走向计划、治疗、复核和治理的真实放疗链路。
如果你是医院放疗科或信息科负责人，下一次评估放疗 AI 产品时，你会先问模型节省了多少勾画时间，还是先问它能不能安全接进本院 TPS、OIS、治疗机和 QA 台账？