基于几何学和剂量学指标评估基于深度学习的危及器官（Organs at risk, OARs）自动勾画的临床适用性，选取在复旦大学附属肿瘤医院接受放射治疗的35例直肠癌患者，采用自主开发的深度学习系统实现OARs自动勾画。以医生手动勾画的OARs作为参考，自动勾画的几何学评估指标包括戴斯相似系数（DSC）、雅卡尔相似系数（JSC）、豪斯多夫距离（HD），平均一致性距离（MDA）。对于每个病例，基于自动勾画的OARs设计治疗计划，计划优化和评估过程与临床程序保持一致，记为Plan＿FD。比较Plan＿FD与原始临床治疗计划（记为Plan＿Treat），以剂量体积参数和三维γ分析评估剂量学差异。自动勾画与手动勾画的OARs不仅在三维空间上高度重叠（DSC平均值大于0.85），且在边缘细节上匹配度良好（MDA的平均值小于2.8 mm）。剂量学评估仅膀胱剂量(V30、V40、Dmean)有显著统计学差异（p<0.05），其余OARs和靶区的剂量体积参数差异均无统计学意义。Plan＿FD与Plan＿Treat进行3 mm/3%标准的三维γ分析，γ≤1.0的点占比为（91.63±6.27）%。基于深度学习自动勾画与医生手动勾画的OARs具有较高的几何相似度，自动勾画的OARs对计划剂量分布的影响并不显著，具有直接应用于临床计划设计的潜力。