關注「文刀醫」，讀懂三醫融合

2026年4月2日，甘肅天水某縣人民醫院放射科。

53歲的劉阿姨拿著一張肺部CT片，坐在走廊里等報告。過去，這種片子要送到省城請專家閱片，至少等三天。如果發現可疑結節，還得再去蘭州做增強CT，來回奔波加上住宿，一趟下來少說也得花兩千多。

這一次不一樣。

放射科醫生把她的CT影像傳入了AI輔助診斷系統。40秒，全肺掃描完成，可疑病灶被自動標注。值班醫生復核確認，一份完整的診斷報告就出來了。

更讓劉阿姨意外的是，這筆檢查費可以直接刷醫保。以前AI輔助診斷要么是醫院免費贈送的“附加服務”，要么要患者自費幾百塊。現在，作為醫保乙類目錄項目，個人實際自付只需三十來塊錢。

她走出醫院大門時，忍不住嘀咕了一句：“以前跑省城三天花兩千，現在縣里四十秒花三十塊？”

這不是一個人的好運，而是837家三甲醫院、1.2億門診患者正在經歷的真實變化。2026年4月1日起，中國正式將AI輔助診斷納入國家醫保乙類目錄——全球第一個將AI診斷大規模納入國家醫保支付體系的國家。

問題是：為什么是中國？這場實驗到底意味著什么？它真的能改變什么嗎？

一、十年困局：叫好不叫座的AI醫療

要理解這場實驗的意義，得先看看它打破的是什么困局。

AI醫療影像，曾經是最被追捧的方向。2017年前后，各路資本涌入，科亞醫療、推想科技、數坤科技、鷹瞳科技相繼沖擊IPO。但觸及資本市場后，問題接踵而來——除了鷹瞳科技成功登陸港股，其余大多折戟。即便已上市的鷹瞳，連續虧損七年，2024年度創下2.55億元最大虧損紀錄，7年累計虧損近9億元。

這不是一家企業的問題，是整個行業的結構性困境。2020-2024年整個AI影像行業累計商業收入不足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，多為一次性買斷。而同一時期，累計融資總額接近100億元。投入100億，產出不足30億。

更致命的是收費渠道。上海長征醫院放射診斷科主任劉士遠團隊2022年調研顯示，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%。沒有收費編碼，沒有醫保支付通道，AI要么免費贈送，要么全額自費。

這就是AI醫療行業十年的核心痛點：付費方缺位、商業化難、盈利模式不清。技術成熟了，但沒有人買單。

二、兩步破局：從“沒有編制”到“醫保基本”

國家醫保局用兩步棋，破解了這個困局。

第一步：給AI診斷一個“正規編制”

2024年11月，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。此后陸續發布病理、檢驗等立項指南，設立AI輔助擴展項。

這一步的意義很多人低估了。在此之前，AI診斷在全國大多數地區沒有收費編碼——你可以用，但沒人知道該怎么付錢。立項指南解決了這個問題：AI診斷有了正式的項目編碼、計價單位和收費規則。

第二步：讓AI診斷進入醫保支付

2026年3月31日，國家醫保局正式將AI輔助診斷項目納入全國統一的醫保乙類目錄，4月1日起全國執行。國務院參事劉遠立說得直白：“AI產品若能納入醫保報銷目錄，則具備市場基礎；否則醫療機構就會審慎評估。”

兩步走完，AI輔助診斷獲得了收費+支付雙重身份——不是給AI企業打開收費通道，而是給AI診斷一個合法身份和支付基礎。

三、被誤讀的信號：擴展項的真正含義

有一個關鍵細節被大多數人忽略了。AI輔助診斷進入價格體系時，并非獨立收費項目，而是“擴展項”。

國家醫保局明確表示：AI尚未達到完全替代醫生的程度，在患者已為檢查項目付費的情況下，不宜再因使用AI額外收費。擴展項與主項目只能擇一收費，不能疊加。

以上海為例，CT平掃AI輔助診斷與主項目同為189元、甲類報銷；廣東最高限價231元；北京133元、乙類報銷。所謂的“納入醫保”，既沒增加患者負擔，也沒增加醫院收入，更沒為AI企業打開新收費入口。

它意味著合法化——AI診斷從“灰色地帶”獲得了正式編碼和醫保身份，醫院可合規地向醫保按次結算。這是基礎性的制度進步，但它和“打開市場空間”之間還隔著相當長的距離。它不是金礦，而是地基。

四、12個場景：選的不是技術，選的是痛點

首批納入醫保的AI項目覆蓋12個臨床高頻場景。

影像篩查類（4項）：肺結節CT、眼底糖網識別、DR胸片篩查、乳腺鉬靶

心腦血管類（3項）：心電圖分析、腦卒中評估、冠脈CTA

器官病變類（3項）：肝臟識別、骨折檢測、皮膚病診斷

專項診斷類（2項）：病理切片、新生兒黃疸

為什么是這12個？因為它們同時滿足：臨床需求最迫切、效率提升最顯著、技術最成熟。

肺結節CT篩查排位第一——肺癌是中國死亡率最高的惡性腫瘤，AI40秒完成全肺掃描，效率提升22倍。眼底糖網識別——1.4億糖尿病患者，AI20分鐘完成“拍照—初篩—復核”全流程。病理切片——每千人口僅0.4名病理醫生，AI效率提升30%。

選的不是技術，選的是痛點。

五、三十塊錢的背后：基層醫療的數字化躍遷

這項政策最深遠的影響，不在三甲醫院，而在縣城和鄉鎮。

AI輔助病理診斷：三級105元、二級85元、一級75元。醫保報銷后，職工在三級醫院自付約16-32元；基層報銷比例更高，可能只需十多元。

西部某縣級醫院引入AI肺結節篩查后，早期肺癌檢出率提升22%，轉診率降低35%——以前必須跑到省城的診斷能力，現在縣城就能擁有。

國家醫保局時間表：2026年覆蓋全國二級以上醫院，2027年底延伸至所有縣域和鄉鎮衛生院。

這場實驗的真正野心，是讓每一個縣城、每一個鄉鎮都具備與北上廣同質的初篩診斷能力。分級診療的最大障礙從來不是制度設計，而是資源分布。AI診斷+醫保支付，正在用技術手段破解這個長期困局。

六、人機雙簽：AI不能替你簽字

政策硬性規定：AI診斷報告必須經執業醫師復核簽字，方可作為正式醫療文書。

這不是保守，而是清醒。AI在“找病灶”這第一步表現出色，但在“判良惡”這第二步仍不及優秀專科醫生。AI定位只能是“提效助手”而非“獨立診斷者”。

人機雙簽劃定了紅線：AI做初篩標注提效，最終結論和法律責任由執業醫師承擔。這條紅線看起來限制AI，實際保護了AI——沒有明確責任主體，AI診斷就無法進入正式醫療體系。

在互聯網醫院中，這條制度執行更好：平臺自動篩選對應專科醫師，未復核報告無法推送，電子簽名和修改記錄自動存檔。

七、下一程競爭的三個變量

政策解決了合法化，但打開市場上限需要技術跨越。接下來的競爭圍繞三個變量展開。

變量一：多模態大模型

當前AI診斷大多是“單模態”。如果把影像、文本、檢驗數據匯集，就能實現全域健康決策。聯影智能、數坤正在開發多模態AI輔助診斷工具——這是下一程核心賽道。

變量二：工作流融合

AI落地最大挑戰不是算法精度，而是融入醫院工作流。不同醫院信息系統差異大，尤其基層對兼容性要求極高。真正好的AI不是“能用”，而是自然融入醫生日常工作流程。

變量三：從“買斷”到“訂閱”

醫保覆蓋后，SaaS訂閱制替代一次性采購。付費方從“醫院采購”轉向“醫保+醫院+藥企+商保+個人”五維支付體系，正在重塑行業商業邏輯。

醫療AI產業規模2026年將突破400億元，2030年有望超2000億元。但真正決定實驗成敗的，是三個問題：AI能不能從“找病灶”進化到“判良惡”？能不能從“獨立工具”進化到“工作流的一部分”？能不能從“醫院采購”進化到“醫保可持續支付”？

結語

回到劉阿姨的故事——“以前跑省城三天花兩千，現在縣里四十秒花三十塊”，精準概括了核心變化：

時間從三天變成四十秒

空間從省城變成縣城

費用從兩千變成三十

這背后不是AI技術的單點突破，而是醫保支付、醫療服務價格、臨床路徑、監管框架的系統性重構——給整個醫療資源配置邏輯換了一套操作系統。

全球第一個國家做了一場實驗。結果不是“成功”或“失敗”的二元判斷，而是持續演化——從合法化到規模化，從提效助手到工作流融合，從12個場景到更多場景，從837家三甲醫院到每一個鄉鎮衛生院。

地基打好了。樓能不能蓋起來，取決于接下來的每一步。

未來已來，而且已經刷上了醫保。

#DRG #DIP #醫保支付改革 #醫療AI #集采政策 #三醫融合 #醫院績效 #衛健委 #藥企

想深度交流？添加小助手微信

balala2023

備注「文刀醫」優先通過

如果覺得有用，請

點贊 · 在看 · 分享 · 收藏