本文来自微信公众号： 行业报告研究院 ，作者：玖峰
最近看了个AI医学影像的数据，有点看不下去。
一边，业界这一边说大数据——AI医学影像诊断覆盖率到了95.88%。另一边，医院患者医保，一个比一个惨。
这事儿不对劲。
被夸大的95.88%
95.88%这数字是哪来的？
官方统计中，覆盖率通常这样算——有部署AI诊断系统的医疗机构数，比上全部医疗机构数。全国已有100多家三甲医院装上了AI系统。根据它往下看——基层医疗机构比例更高，智医助理已经铺到7.5万家，提供了10多亿次辅诊建议。
看起来不少。但有个核心漏洞：部署不等于真实应用，提供建议不等于被采纳。
我查了多家医院的实际情况。北京一家三甲医院买了AI影像诊断系统已经两年，但系统使用率只有30%。为什么？医生非要复核AI的诊断。复核时间比AI省下来的时间还多。加上医保不给后付，医院的积极性就不高。
长沙市第一医院的数据更说明问题。他们用AI辅助诊断肺结节阅片，时间确实缩短了40%，微小病灶识别提升了25%，准确率超过95%。听起来不错。但真正的事是——这些效率提升对医院收入帮不上忙。医生的绩效也没增长。
医保的费用不少？2024年11月国家医保局才正式发布方案。抛出方式是——在放射检查项目中加一个新的"人工智能辅助"扩展项，收费根据对应检查项目来算，但不给患者额外加钱。
这是什么意思？就是——医院用或不用AI诊断，收费一样。医保接下来的钱也一样。医生的工作量反而增加了（因为要复核AI的诊断）。
所以现在很清楚了。那95.88%的"覆盖率"，大部分其实就是符号性的部署。真正有效的应用，数字要小得多。
医保的真实态度：我很谨慎
2024年11月，国家医保局发布第17批医疗服务价格项目立项指南。这是中国医保系统第一次正式为AI诊断定价。
这个政策看起来很进步，但实际上反映的是医保部门的保守——或者说，谨慎。
医保采用"扩展项"而不是单独定价，意思很明确：我认可AI有价值，但我不想多付钱。患者不加钱，医院收费标准也不变，这样看起来对患者有利。但对医院和AI企业的激励是负的。
中国100多家三甲医院采购AI系统，单个应用一次性采购成本30-100万，一家医院至少需要5个AI产品，采购成本150-500万。还不包括后续的维护费、人工标注费、数据处理费。
这些成本怎么收回？医保不给加钱，医院收不到更多费用，怎么收回？只能寄希望于提高工作效率，少招人——这显然不是个吸引人的商业模式。
对比一下美国。美国的AI医疗影像系统，早就进入了医保支付体系。虽然美国医保同样不会额外加钱，但美国医疗体系的价格水平本身就高，AI系统的成本也就比较容易摊销。
中国医疗的价格体系本身就很低。再要求医院自己吸收AI的成本，这对中小医院几乎是不可能的任务。
医保政策对比：中美的差异
指标
中国
美国
政策落地时间
2024年11月首次定价
已有多年商业化历史
支付模式
扩展项（不增加患者费用）
单独编码（可调整支付标准）
价格调整空间
基于主项目价格，难以上调
灵活调整，可根据价值重新定价
医院激励
无额外收入
有明确经济激励
患者负担
保持不变
基于保险类型有所差异
AI产品审批数量
100+款已上市
100+款FDA已批准
医院采用意愿
低（缺乏商业动力）
高（有明确经济效益）
这个对比揭示了一个核心问题：中国医保为了保护患者，反而打击了医院和企业的积极性。美国做法虽然可能增加患者某些负担，但激发了整个产业链的投入热情。
医院成本-收益模型分析
一家三甲医院采购AI影像系统的经济账本：
项目
金额/占比
说明
初期投入
单个应用采购
30-100万
取决于功能复杂度
一家医院所需应用数
5-8个
覆盖放射科、病理等
总采购成本
150-500万
中型医院最低投入
年度运营成本
系统维护费
15-30万
软件升级、技术支持
人工标注费用
20-50万
数据清洗、质量控制
算力/网络成本
10-20万
云服务或本地部署
年度总成本
45-100万
持续性支出
经济收益
额外收入（按医保定价）
0元
扩展项不增加收费
工作效率提升
节省医生40%阅片时间
但医生需复核，实际收益低
诊疗质量提升
漏诊率↓10-15%
无法转化为直接收入
ROI周期
这张表说明了核心困局：医院的投入无处收回，成本却在持续累积。
医生的真实态度：这有点危险
这个更关键。一个医生最关心的不是成本，而是风险。
2023年，中国抗癌协会做过一个调查，问了228名肿瘤医生对AI诊断的看法。结果相当悲观。71.49%的医生担心AI可能误导诊断和治疗。71.05%的医生担心过度依赖AI会让自己的能力退化。53.95%的医生关心患者隐私泄露风险。53.95%的医生指出算法偏见可能导致诊断失误。最后这一条最关键——50.44%的医生认为法律政策还不完善。
这些不是小问题。特别是最后这条——法律不完善。
假如AI诊断出错，延误了患者的治疗，谁来负责？根据《民法典》，医疗机构需要承担责任。但AI如果真的有缺陷呢？那AI公司也要承担责任。那医生呢？医生作为最终的决策人，如果对AI的结论签了字，是不是也要承担责任？
这个问题在法律上还很模糊。已经有案例了。2024年，某地一名患者因AI误诊延误了治疗，法院判决医院承担70%责任，AI公司承担30%责任。这对医生是什么信号？是——用AI，风险更高，收益没增加。
而且AI系统本身还有个"黑箱"问题。39.47%的医生表示，他们对AI的决策逻辑不透明这一点很担心。AI说这个患者有肿瘤，但我看不明白它是怎么判断的，这就很危险。万一出了问题，我怎么解释？
所以医生的真实态度是保守的。有些医生甚至明确表示，用AI加重了他们的工作量。因为检查结果出来后，他们还得自己看一遍，对比一遍AI的结论，最后还是要自己签字。这不是效率提升，这是工作翻倍。
特别是在基层。中国很多基层诊所根本就没有放射科医生。你让他们上AI诊断系统，谁来复核？培训一个能看影像的医生需要多长时间？AI效率再高，这个问题还是存在。
医保支付的悖论
还有个更深层的问题。医保为什么不肯为AI加钱？
表面理由是——医保要控费，为了保证患者负担不增加。
但真实原因可能更复杂。一是医保对AI诊断的临床价值还没有充分的长期数据验证。AI说准确率95%，但这是在医院最好的条件下，用最好的机器和最好的AI系统测出来的结果。在基层诊所，设备烂、网络差、医务人员水平不齐，AI的表现会怎样？没人敢保证。
二是AI诊断的边界问题还很模糊。什么情况下可以完全依赖AI？什么情况下医生必须亲自看？如果医保鼓励用AI，结果AI miss了一个癌症患者，这个责任医保来担吗？
三是数据问题。医保影像云在2024年12月才启动，计划2025年底实现几个主要地区的数据共享，2027年才能实现全国一张网。在数据还没打通的情况下，AI的训练数据从哪来？怎么保证公平性？
所以医保的保守态度其实是有道理的。但这也就意味着——在医保改革完全配套之前，AI诊断的落地会陷入"三不管"的尴尬境地：企业投不了钱，医院不愿意用，医生有顾虑，患者得不到好处。
现实与数据的巨大鸿沟
我再整理一下这个逻辑：
官方数据说：AI医学影像覆盖率95.88%，诊断准确率95%+，时间节省40%。
现实是：医院部署了系统但使用率只有30%，医保不肯加钱，医生有顾虑不敢依赖，基层医疗因为缺医生所以更用不了。
为什么会这样？因为这些数字都是在最理想条件下测出来的。
最理想条件是什么？
最好的医院，最好的设备；最有经验的医学团队；最充分的标准化数据；最完善的法律和医保配套；最充足的资金投入。
但中国的医疗现实是什么？东西部医疗资源差异巨大；基层医疗人员严重不足；医疗数据还没有打通；法律责任界定还不清楚；医保支付能力有限。
这两个世界的距离，大到不能衡量。
国际对标：为什么美国的AI诊断用起来就顺利？
有个对比很说明问题。美国的AI医疗影像市场是怎样的？
美国FDA已经批准了超过100款AI医疗器械。这些产品有商业保险覆盖，也有Medicare（联邦医保）覆盖。
关键区别是什么？美国的医保支付系统相对透明，支付标准也相对高，所以医院和医疗企业有充足的动力去投入和使用AI。而且美国医疗体系本身就是市场驱动的，法律责任界定相对清晰，诉讼环境也相对稳定。
所以在美国，AI诊断从技术成熟到商业化落地，速度就快得多。
中国为什么不一样？因为中国医疗体系的基础设施还没有完全准备好。医保覆盖整个国家13多亿人，统一改革的难度远远大于美国。医疗数据的统一、隐私保护的平衡、法律责任的界定，这些都是复杂的系统工程。
需要什么样的改革？
现在的政策框架，说白了，就是"名义覆盖，实际冷漠"。
要真正推动AI诊断的应用，需要几个条件：
第一，医保支付的突破。不能继续要求医院自己吸收AI成本。如果AI真的能提高诊断质量，医保就应该愿意为这个价值买单。可以不是说直接加钱，但至少要有明确的支付路径。
国家医保局在2024年11月的"扩展项"政策，方向是对的，但力度还不够。需要进一步细化，至少要在试点地区扩大试点范围，让医院看到投资AI确实有回报。
主要试点地区政策对比
地区
政策特点
试点重点
支付覆盖
进度评估
北京
强化AI诊断助手地位，设海淀产业集聚区
AI医学影像、智能机器人
医保纳入（部分项目）
领先，正推进
上海
打造全球影响力创新高地（2025-2027）
多模态大模型、危急值预警
试点覆盖中心医院
领先，制度完善
广东
国家医保影像云首批接入，数据融合
医保影像云、无感支付
医保秒报销
运行中，数据共享滞后
湖南
规范性更强，明确限制条款
禁用AI自动生成处方
医保覆盖（有限制）
审慎，防控风险
其他地区
政策空白或跟进缓慢
未明确推进
大多数未覆盖
滞后，缺乏动力
关键发现：
关键发现是这样的：一线城市试点推进，但政策差异大。湖南等地设置条件限制，比如禁止AI自动生成处方。中西部地区普遍缺乏明确政策和试点计划。医保影像云在广东运行，但数据共享遭遇瓶颈。
第二，法律框架的明确。医生、医院、AI企业、患者的责任边界必须理清。86%的欧洲国家都把"法律不确定性"列为AI应用的首要障碍。这不是中国独有的问题，但中国因为医疗体系更复杂，这个问题更突出。
建议国家层面出台AI诊疗的责任划分指南，明确在什么情况下医生要承担全责，什么情况下AI企业要承担责任。可以参考欧盟的"人机共担"模式——不是医生全责，也不是AI企业全责，而是按照过错程度分担。
第三，数据和标准的统一。医保影像云刚启动，这是好的。但数据打通还需要时间。与其等，不如在试点地区先建立AI诊断的标准数据集，让企业可以有统一的基准来训练和验证自己的系统。
第四，基层医疗的特殊考虑。中国基层医疗人员短缺是长期问题，不可能短期解决。但正因为如此，基层反而应该是AI的最大用武之地。国家应该考虑对基层医疗机构采购AI系统给予补贴，把AI诊断的成本问题先解决了，然后医生们自然就会用。
第五，试点先行。不要全国同步推进。选择几个条件好的地区——北京、上海、广东已经开始做试点了——先把医保、法律、数据、培训都配套好，再向其他地区推广。这样可以避免大规模失败的风险。
结论：从"虚荣数据"到真实应用的长路
95.88%的覆盖率是虚荣的数据。它说明了AI诊断的技术已经成熟，但说明不了这项技术已经真正融入医疗体系。
当前的困局本质上是一个系统性配套的问题。医保改革、法律制度、数据基础设施、人才培养，这些都得跟上才行。技术本身不是瓶颈，瓶颈在于这套复杂的制度体系能不能快速调整。
对于投资者和从业者来说，这意味着什么？
短期内（1-2年），AI医疗诊断企业会继续在商业化的泥潭里挣扎。大部分企业不会有显著的收入增长，因为医院用不起，医保不给钱。一些资本雄厚的企业会通过成为大医院的"科研合作伙伴"来维持生计，但这不是可持续的商业模式。
中期（2-5年），如果医保改革能跟上，法律框架能理清，那AI诊断会迎来一个增速期。特别是在基层医疗，如果国家真的决定用AI来补充医生短缺，那市场会很大。
但这一切的前提是——政策必须从"虚荣覆盖"转向"真实激励"。不能继续要求医院和患者自己承受成本，还要求企业投入研发。这样游戏没法玩。
AI医疗诊断的未来不取决于技术，取决于这套制度改革能走多快。这个其实很残酷，但这就是现实。
全文完，感谢您的耐心阅读，请顺手点个"在看"吧~
—THE END—
