近日，"AI輔助診斷正式納入醫保"的消息在行業內廣泛流傳。醫趨勢查詢多地放射檢查類醫療服務價格項目后發現，這或許是一個被誤讀的“利好信號”。

有行業專家向醫趨勢表示，AI輔助診斷作為醫療服務價格項目中的擴展項，確實適用與主項目相同的醫保支付政策。

但需要注意的是，這并非專門為人工智能開辟的新支付通道，而是醫療服務價格立項指南改革后對所有擴展項實行的統一規則。

更關鍵的是，擴展項與主項目通常只能擇一收費，不能疊加計費。

據上海去年發布的《放射檢查類醫療服務價格項目》，X線攝影成像（乳腺）三級醫院定價85元，屬于醫保甲類支付項目；其擴展項“人工智能輔助診斷”同樣定價85元，也執行醫保甲類支付政策。

換句話說，所謂的“AI輔助診斷納入醫保”，既沒有增加患者負擔，也沒有增加醫院收入，更沒有直接為AI企業打開新的收費入口。

那么，它究竟意味著什么？

截圖自上海《放射檢查類醫療服務價格項目》

01、至少有了“正規編制”

事情的起點，要追溯到2024年11月。

彼時，國家醫保局發布《放射檢查類醫療服務價格項目立項指南（試行）》，首次將“人工智能輔助診斷”納入國家醫療服務價格項目體系。這也是人工智能輔助診斷首次進入國家醫保局的價格立項框架，被業內普遍解讀為AI醫療邁向支付體系的重要一步。

但一個關鍵前提是：AI輔助診斷進入價格體系時，并不是作為一個獨立收費項目出現，而是被定義為“擴展項”。國家醫保局曾在政策解讀中明確表示，目前人工智能技術已經能夠在一定程度上提升醫生工作效率和診斷準確性，但尚未達到完全替代醫生的程度。因此，在患者已經為相關檢查項目付費的情況下，不宜再因使用AI輔助技術額外收費。

根據工作規劃，國家醫保局要求各省在2025年完成立項指南對接落地，并持續試運行2—3年后推出新版全國醫療服務價格項目規范目錄。醫趨勢查詢地方政策發現，目前已有多個省份陸續將AI輔助診斷納入醫保支付范圍，這意味著醫院可以向醫保系統按次結算AI服務費。

為例，其CT平掃AI輔助診斷與主項目收費一致，三級醫院均為189元，同為甲類報銷標準；廣東CT平掃AI輔助診斷同樣與主項目收費一致，價格略高于上海，全省最高限價同為231元；CT平掃AI輔助診斷收費133元，納入醫保乙類報銷。

截圖自北京《放射檢查類醫療服務價格項目規范表》

今年4月，廈門市醫保局曾在市政協提案答復函中明確表示：自2025年4月30日起將30項人工智能輔助診斷納入醫保支付范圍。一個年度內，職工和居民醫保年度最高保障就分別達到了120萬和60萬元，是目前覆蓋場景最廣的地方保障案例之一。

但值得注意的是，醫保報銷資格只是醫保與醫院之間的結算，醫院與患者之間的結算沒有發生任何改變。也就是說，對于患者而言，檢查費用沒有變化；對于醫院而言，收費標準沒有變化；對于AI企業而言，也沒有因此獲得新的直接收入來源。

也就是說，此次“納入醫保”真正解決的，是AI輔助診斷在價格體系中的合法身份問題——從沒有收費編碼的灰色地帶，走進了有“編”可查的立項指南。這是一個基礎性的制度進步，但它和“打開市場空間”之間，還隔著相當長的距離。

02、行業為何如此敏感？

行業對AI輔助診斷進入醫保的熱情期待，更像是在長達十年的商業化瓶頸面前，一種不自覺的“應激反應”。

2017年前后，AI醫療影像是整個醫療AI里最受追捧的方向，具有清晰的商業想象空間：標準化程度高、數據量大、醫生缺口明顯。到2021年前后，科亞醫療、推想科技、數坤科技、鷹瞳科技相繼沖擊IPO，行業一度迎來上市潮。

但真正觸及資本市場后，問題接踵而來。除鷹瞳科技成功登陸港股，其余企業大多折戟；即便已上市的鷹瞳，股價與業績也遠未達到市場預期——自2019年有公開數據以來，其已經連續虧損七年，2024年度創下2.55億元的最大虧損紀錄，7年累計虧損額近9億元。

據行業專家測算，2020-2024年整個AI影像行業的累計商業收入不足30億元，平均每家醫院終身使用一款AI影像產品僅需約40萬元，且多為一次性軟件買斷，后續服務收費乏力。與此同時，據醫藥魔方數據，2014-2024十年間，國內AI醫學影像診斷領域累計融資總額就接近100億元。

商業模式方面，目前除了“整包銷售”“按次付費” 外，只有極少數產品通過物價準入，在院端實現了向患者直接收費。上海長征醫院放射診斷科主任劉士遠團隊在2022年的一項臨床應用情況調研顯示，國內三級醫院AI影像輔助診斷軟件向患者收費的比例僅為4.4%。

一邊是醫生對AI系統的高度依賴，一邊是患者收費渠道難以打通。目前國內AI醫學影像三類醫療器械注冊證已超百款，同質化me too產品大量涌現，價格戰隨之而來。與此同時，產品的成本收益價值歸屬不清，醫院采購態度審慎。重重矛盾之下，行業深陷"叫好不叫座"的困局。

03、下一程競爭要點

政策解決了合法性，但打開市場上限需要的，依然是技術本身的跨越。

行業分析顯示，當前AI影像的能力邊界是清晰的：在"找出病灶"這第一步，AI表現出色，漏檢率低，甚至優于人類；但在"判斷疾病良惡性質"這第二步，準確性仍不及優秀專科醫生，誤診率偏高。這意味著AI的定位只能是"提效助手"而非"獨立診斷者"。這個能力上限，直接決定了商業價值的天花板。

多模態大模型成為當前關鍵變量。理論上，如果能將一個患者的所有影像、文本、檢驗等數據匯集，可以實現一個全域健康決策的產品形態。行業消息顯示，目前聯影智能、數坤等頭部企業正在開發多模態AI輔助診斷工具，另有推想等企業在開發外科手術規劃和導航產品線，在完善技術拼圖的路上不斷演進。

此外，有接近臨床一線的行業人士告訴醫趨勢：AI真正落地最大的挑戰之一，還有如何融入醫院現有工作流。

具體而言，不同醫院的信息系統、檢查流程、使用習慣差異很大，尤其基層醫院設備環境復雜，對兼容性、易用性要求非常高。一旦涉及跨院區或醫院的數據打通，就會碰到數據導出方式、科研統計接口、操作流程簡化、本地化適配等諸多問題。

對于臨床醫生而言，真正好的AI，不只是“能用”，而是要自然融入醫生每天的工作流程，在不增加額外負擔的前提下提質增效。