人工智能助手评估北京适合新建“质子+重离子+BNCT”场地

（以下内容为个人突发奇想，并由三款人工智能助手辅助完成，仅用于个人学习、科普交流，不构成任何医疗决策、投资建议或选址指导）

摘要：本文针对北京市8区（朝阳区、海淀区、丰台区、石景山区、大兴区、通州区、昌平区、房山区）15个候选地址，结合“质子+重离子+BNCT”肿瘤专科医院的核心需求，围绕政策合规性、用地条件、交通可达性、医疗协同、环境适配性五大核心维度，利用三款人工智能助手（AI大模型应用）采用百分制打分方式开展综合评估，遴选适合新建“质子+重离子+BNCT”专科医院（中心）的地址。

一、 评估对象

本次评估对象为北京市8区15个候选区域：大兴生物医药基地、房山窦店镇东侧、房山良乡大学城南、丰台王佐镇东部、通州马驹桥镇北部、通州城市副中心、通州潞城镇南部、石景山首钢园区、昌平区小汤山镇南部、昌平区北七家镇东部（未来科学城东区）、海淀区中关村科学城北区、海淀区西三旗地区、海淀区玉泉山周边、朝阳区东坝地区、朝阳区王四营区域。

二、 评估核心前提

1、项目定位：新建“质子+重离子+BNCT”综合性肿瘤专科医院，以高端肿瘤放疗为核心，兼顾科研、教学功能，需满足粒子设备（质子、重离子、BNCT）的基建刚性要求（防辐射、防微振、用地规模、市政配套等）。

2、竞争规避：严格避开天坛医院大兴临空经济区质子中心（大兴区）、中国医学科学院肿瘤医院廊坊院区质子中心（廊坊市）的30公里直接辐射范围，降低同质化竞争，保障病源供给；同时避开中日友好医院质子中心（朝阳区）的核心辐射圈（15公里内），减少区域竞争压力，兼顾北京本地及部队医院转诊患者的就医便利性。

3、服务导向：核心服务对象为全国来京外地肿瘤患者，次要服务对象为北京市各大医院（含部队医院）转诊患者，需优先保障交通可达性、就医便利性及周边配套完善度，降低外地患者就医成本，重点考量与高铁站、机场的衔接效率及1小时交通圈覆盖范围，同时兼顾与北京城区核心医院的转诊便捷性。

4、合规要求：符合北京市医疗规划、土地利用规划、辐射安全规范及环保要求，确保项目合规落地，同时具备可操作性和长期发展空间。

三、 评估维度及权重

本次评估共设5大核心维度，总分为100分，各维度权重结合项目核心需求（竞争规避、外地患者服务、基建适配）设定，具体如下（单项得分低于该维度满分40%，视为不符合项目需求，直接淘汰）：

1、政策合规性（25分）：核心考察区域医疗规划适配度、粒子设备审批便利性、土地政策支持力度，结合竞争规避要求评估政策适配性，为一票否决项（单项低于10分直接淘汰）。

2、用地条件（25分）：考察用地规模、地形地质、防微振条件、预留发展空间，重点适配质子/重离子/BNCT设备的基建要求（高承重、厚屏蔽、防微振），确保基建合规且成本可控。

3、交通可达性（20分）：考察地铁、主干道、高速、高铁站/机场衔接度，聚焦外地患者来京就医便捷性，重点评估1小时交通圈覆盖范围，同时兼顾与北京城区核心医院（含部队医院）的转诊效率。

4、医疗协同（15分）：考察周边三甲医院（含部队医院）、科研机构、医学院校协同能力，评估转诊网络、人才供给、科研转化条件，支撑项目医教研一体化发展，重点考量与北京本地及部队医院的转诊协同潜力。

5、环境适配性（15分）：考察辐射安全间距、周边敏感目标（学校、居民区）分布、生态环境、噪声/污染源控制，符合粒子设备辐射防护要求，同时保障患者就医环境舒适度。

四、 打分说明及评估工具

打分基于北京市公开政策文件、区域发展规划、交通配套现状、医疗资源分布及行业常识，重点结合三大核心前提（竞争规避、外地患者服务、基建适配）综合评定，数据均为公开可查信息，仅供科普参考；若区域存在明显短板（如临近敏感目标、无政策支持、竞争过于激烈、交通不便），相应维度酌情扣分；竞争规避作为核心考量因素，对临近竞争项目的选址，在政策合规性维度额外予以减分，同时在总分中扣除5-10分的竞争风险分；医疗协同维度重点加分项为与部队医院、核心肿瘤医院的协同潜力。

评估工具：三款人工智能助手。

五、综合打分汇总

本次15 个候选区域适合新建“质子+重离子+BNCT”专科医院（中心）的地址打分结果呈现 明显差距 ，昌平小汤山镇南部在三款模型打分中整体表现突出，A款 给出 92 分的最高分；海淀玉泉山周边评分偏低，C款仅给出 56 分，B款 未对大兴生物医药基地、海淀玉泉山周边进行打分；昌平未来科学城东区、海淀中关村科学城北区、通州马驹桥镇北部等区域也取得了较高的综合评分。

本次 AI 打分结果呈现 显著差异性 ，同款区域在不同模型中分数差距明显，甚至部分区域出现模型未打分的情况，这反映出不同 AI 模型的评估逻辑、权重理解和信息解读存在差异。 提示我们，使用 AI 辅助工具时需保持谨慎，不能直接将 AI 结果作为决策依据，需结合自身实际需求、现实场景及专业研判进行综合分析，交叉验证结果合理性，规避单一 AI 评估的片面性。