AI接手腫瘤影像的繁瑣追蹤，Moffitt先從研究場景試水溫

癌症影像判讀的難題，往往不只是找出一個腫瘤，而是從全身掃描中辨認多處病灶，再逐一對照數月前的影像，判斷它們究竟縮小、增大或新近出現。法國醫療AI公司Raidium如今把這些步驟收進同一套工作流程，並已在美國Moffitt Cancer Center部署，先服務腫瘤研究與臨床試驗。

這套名為Raidium Read的系統將全身病灶偵測、AI影像分割及縱向追蹤結合起來。讀取新影像時，系統可把過往檢查標記的病灶轉移至目前影像，並自動產生RECIST測量；RECIST是臨床試驗常用的腫瘤反應評估標準，主要依病灶尺寸變化判定治療效果。

Moffitt選擇這套系統取代原有的放射組學工具。對研究團隊而言，潛在價值在於減少反覆尋找、描繪和量測病灶的人工工作，也讓不同時間點的紀錄更容易銜接。Raidium表示，這套獨立研究流程不要求醫院先完成後端系統整合，有助於降低試驗環境的導入門檻。

不過，「已在癌症中心部署」不等同於可供日常臨床診斷使用。目前開放範圍仍限於臨床試驗與腫瘤研究，醫師不能僅憑這次上線，就把相關功能當作已獲監管機關核准的臨床工具。Raidium正為其中一部分功能申請美國FDA 510(k)許可，並預期在2026年底前公布進展；最終時程仍取決於審查結果。

效能證據也需與產品敘事分開看待。公司宣稱自動化RECIST測量可使判讀者之間的差異降低三倍，但公告與兩篇同事件報導均未交代研究樣本數、癌別組成、影像來源、比較基準或外部驗證結果。缺少這些資訊，現階段無法判斷效益能否跨越不同掃描設備、醫療機構及複雜病灶型態。

這次部署因此更像一場貼近真實工作現場的研究測試：AI不只提出單點判斷，而是嘗試串起病灶搜尋、輪廓描繪與療效追蹤。它能否真正節省醫師時間、維持量測一致性，並安全延伸至例行照護，仍要由獨立驗證、實際使用資料與FDA審查共同回答。