目的：研发基于数字孪生技术的医疗设备故障预测与风险管控平台，解决医疗设备传统维护模式存在的时空监测盲区与数据碎片化问题。方法：构建物理设备与虚拟模型双向交互系统，融合多源异构数据建立深度张量网络驱动的医疗设备故障预测模型，开发故障预测与风险管控平台对设备进行运维管理。选取2022年1月至2024年12月首都医科大学附属北京同仁医院临床在用的20台影像设备，将2022年1月至2023年6月使用的15台影像设备采用传统维护进行设备维护(传统维护模式)，2023年7月至2024年12月的20台(新增加5台)影像设备采用基于数字孪生技术的医疗设备故障预测与风险管控平台(平台维护模式)进行设备维护，对比两种维护模式的设备故障预测性能、风险管控效能和成本效益评估的差异。结果：采用平台维护模式的设备维护平均准确率、查全率和故障严重度指数(FSI)加权准确率均值分别为(92.52±2.33)%、(89.23±3.12)%和(94.12±1.83)%，均高于传统维护模式，而平均虚警率为(7.83±1.52)%，低于传统维护模式的(34.22±4.74)%，差异均有统计学意义(t=19.234、17.256、20.976、18.365,P(0.05)。采用平台维护模式的设备维护平均响应时间和风险事件发生次数均低于传统维护模式，差异有统计学意义(t=15.273、37.454,P(0.05)；应急人力成本低于传统维护模式，差异均有统计学意义(U=215.783,P(0.05)。采用平台维护模式的设备预防性维护成本、故障维修成本和停机损失成本均低于传统维护模式，而平均设备利用率高于传统维护模式，差异均有统计学意义(t=13.058、8.962、10.465、10.513,P(0.05)。结论：基于数字孪生技术的医疗设备故障预测与风险管控平台的开发应用能够减少设备非计划停机时间，实现设备故障的精准预测与风险的全流程管控。