按工作流整合程度划分的五级量表
这篇综述要回答的问题,比“AI能否勾画肿瘤或生成计划”更窄:在中低收入国家(LMICs),每个被报告的AI系统究竟在多大程度上真正嵌入了放疗工作流,以及配套的验证与治理能否支撑安全放大。
为此,作者建立了一套放射肿瘤学专用的整合量表,从Level 0到Level 4。Level 0指临床或临床模拟工作流中不使用任何AI输出,仅调查认知或准备度的研究也归入此级。Level 1是孤立的任务辅助,例如勾画但不与下游衔接。Level 2把经批准的AI输出嵌入固定的工作流序列,人工审核仍为强制。Level 3增加预定义规则或条件逻辑,使中间输出决定后续动作,同时保留结构化的人工检查点。Level 4要求自主完成多阶段运行,并具备持续性能监测、漂移检测、升级阈值、审计日志和正式治理。
这套量表刻意以工作流为中心,而不是衡量算法先进程度。分级依据是实际表现出的运行行为,而非声称的意图;两名评审独立分类,18项研究中有16项(88.9%)初始一致,两处分歧经协商解决。这一设计选择很关键:一个高精度模型若只作为独立工具使用,在本方案下仍属Level 1。
从1309条记录到18项研究
作者遵循PRISMA 2020指南,检索了六个数据库,并补充IAEA、WHO技术报告和会议论文等灰色文献,时间范围为2000年1月至2025年12月,最终检索于2026年1月16日执行。检索共得到1309条记录;去除113条重复后,1196条经标题和摘要筛选,排除1156条。随后评估39篇全文报告,排除21篇,最常见原因是不聚焦LMIC情境(n = 8)、属于书籍章节(n = 5)或发表语言不符合预设纳入标准(n = 5)。
最终18项研究进入综述,全部为同行评审论文;没有灰色文献记录满足纳入标准。由于部分研究覆盖多个国家或机构,作者还统计了“实施实例”,即每个系统被部署或评估的国家。由此得到拉丁美洲25个、非洲12个、亚洲5个,以及1个跨区域部署,总数超过18项研究。作者仅将这些地区计数视为描述性地理汇总,未做推断性比较,因为实施实例在统计上并不独立。
半数研究止步于孤立任务
各整合级别的分布是论文的核心结果。2项研究(11.1%;95% CI 3.1%–32.8%)为Level 0,涉及准备度、治理、专业认知和采用障碍,没有实际使用AI。9项(50.0%;95% CI 29.0%–71.0%)为Level 1,多为勾画或分割,不与下游工作流协调。6项(33.3%;95% CI 16.3%–56.3%)达到Level 2,经批准的AI输出会进入后续预定义活动。1项(5.6%;95% CI 1.0%–25.8%)达到Level 3,没有任何研究(0%;95% CI 0%–17.6%)满足Level 4。
唯一的Level 3案例是Radiation Planning Assistant,它按顺序协调勾画、计划和质量保证活动,并保留结构化的人工检查点。应用领域呈现同样格局:AI工具集中在勾画与分割以及治疗计划,涉及质量保证或准备度的研究较少,且多数研究只覆盖单一工作流环节。作者将此描述为碎片化的部署图景,而非放疗实践的整体转变。
云端交付常见,前瞻性验证缺位
部署模式分布不均。12项研究(66.7%)通过网页或云端平台交付AI,常用于降低本地硬件要求,并覆盖计算基础设施有限的机构;6项(33.3%)描述的是本地部署或离线系统,通常出现在机构对硬件和数据存储有更强控制力的场景。
验证是更薄弱的一环。10项研究(55.6%)使用来自LMIC临床环境的数据集进行验证,8项(44.4%)依赖外部或混合数据集。许多情况下验证是回顾性的,聚焦Dice相似系数等几何精度指标,而非前瞻性临床性能;只有少数研究描述了常规工作流中的真实世界或前瞻性验证。整个数据集中,验证与监测的报告方式高度不一致。
关键评价认为,技术验证和实施研究的方法学质量总体尚可,但多数为回顾性研究,部分使用小型或单中心队列。作者指出,一项认知调查可能存在选择偏倚,该调查采用便利抽样和滚雪球抽样,没有明确的抽样框,也无法计算应答率。这些限制针对的是纳入证据能说明什么,而非综述的检索过程。
工作流耦合与治理制约放大
作者认为,这一格局反映的是系统层面的约束,而非缺乏创新。勾画、分割和计划相对模块化,能减少特定环节的工作量,也可独立评估,因此在资源受限环境中是务实的第一步。但放疗是顺序化且相互依赖的:模拟定位、勾画、计划、质量保证和交付都依赖可靠的交接和上游信息的完整性。
这种结构抬高了深度整合的成本。异构信息系统、人工交接、间歇性网络连接和有限的技术支持,使跨阶段协调更难实施和维护;随着整合加深,故障还可能在被发现之前向下游传播得更远。缺乏明确的升级逻辑和工作流层面的验证,有助于解释为何当前多数实施仍刻意保持边界清晰并由临床医生监督。
治理是并行的约束。问责、模型更新审批、可审计性以及对日益自主行为的监督等正式机制很少被描述,这在人员有限、系统冗余较少、AI相关故障更难恢复的环境中更为重要。作者把任务可靠性、工作流整合和系统保障视为相互耦合、而非先后依次满足的要求。
没有Level 4不等于不存在
有两条边界限定了这一核心分布。第一,作者提醒,缺少Level 4系统不应被解读为实践中不存在此类能力;部署后监测、治理或生命周期管理基础设施可能只是未被纳入文献完整报告。零计数描述的是有记录的内容,而不一定代表实际建成的系统。
第二,本综述被称为所提出整合量表的首次同行评审应用。尽管标准是预设的、分类是独立完成的,该框架仍需解释性判断,其可重复性和可推广性尚未被独立评估。因此,各级别百分比应被理解为对异质性文献的结构化描述,而非经过验证的测量工具。鉴于研究设计、应用领域、验证方法和结局的异质性,本综述也未做推断性统计检验或敏感性分析。
前瞻性工作流证据是关键缺口
论文的前瞻性优先事项直接来自证据薄弱之处。作者呼吁在不同LMIC环境中开展前瞻性、多机构实施研究,同时评估技术性能和真实工作流效果,包括吞吐量、编辑负担、失效模式以及长期可持续性。他们还呼吁更多共享有代表性的数据集以支持外部验证,在直接共享数据不可行时采用联邦式方法,并建立涵盖问责、验证、升级、模型更新、审计和部署后监测的治理框架。
最具区分度的判断是:在LMIC放射肿瘤学中,可放大的AI应以其能否可靠整合进临床工作流并长期安全维持来评估,而不只看任务准确率。就当前证据而言,从可用的勾画模型到受治理的多阶段系统之间的差距,正是几乎所有被综述部署所处的位置;弥合这一差距,取决于验证、监测和治理能否与模型本身同步推进。
本文引用的文献
Implementing and Scaling Artificial Intelligence in Low-Resourced Radiation Oncology: A Systematic Review of Deployments
在18项关于LMIC放射肿瘤学AI的纳入研究中,9项(50.0%)为Level 1任务级应用,6项(33.3%)为Level 2临床医生监督下的工作流整合,1项(5.6%)达到Level 3跨阶段协调,没有任何研究满足Level 4受监控自主运行;验证以回顾性为主,且未报告持续性能监测。
