2025年8月，國務(wù)院《關(guān)于深入實(shí)施“人工智能+”行動的意見》正式出臺。其中“民生福祉”板塊直接對準(zhǔn)醫(yī)療健康行業(yè)，為醫(yī)療健康行業(yè)發(fā)展描繪了清晰的頂層設(shè)計(jì)和宏偉藍(lán)圖。文件提出“打造更有品質(zhì)的美好生活”：探索推廣人人可享的高水平居民健康助手，有序推動人工智能在輔助診療、健康管理、醫(yī)保服務(wù)等場景的應(yīng)用，大幅提高基層醫(yī)療健康服務(wù)能力和效率。

AI技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用從“可選”變?yōu)椤氨剡x”。醫(yī)療行業(yè)作為數(shù)據(jù)密集型、專業(yè)門檻高、民生關(guān)聯(lián)度強(qiáng)的領(lǐng)域，正成為AI技術(shù)落地的核心沃土。從臨床輔助決策到醫(yī)學(xué)影像分析，從專病科研到患者服務(wù)優(yōu)化，AI技術(shù)正在重構(gòu)醫(yī)療服務(wù)的全鏈條。IDC數(shù)據(jù)顯示，到2025年，全球人工智能應(yīng)用市場總值將達(dá)1270億美元，其中醫(yī)療行業(yè)將占總規(guī)模的五分之一。而Global Market Insights的報(bào)告則進(jìn)一步預(yù)測，“AI+醫(yī)療”市場規(guī)模年均復(fù)合增速將超過29%，2032年將達(dá)到700億美元。

AI+醫(yī)療，重構(gòu)診療服務(wù)全鏈條

醫(yī)療行業(yè)的核心痛點(diǎn)——醫(yī)療資源分布不均、醫(yī)生工作負(fù)荷過重、診療精準(zhǔn)度有待提升、科研轉(zhuǎn)化效率低下等，均為AI技術(shù)提供了廣闊的應(yīng)用場景。從東軟等企業(yè)的實(shí)踐來看，2025年AI在醫(yī)療行業(yè)的應(yīng)用已從早期的概念驗(yàn)證階段，進(jìn)入規(guī)�；涞氐年P(guān)鍵期，形成了以臨床輔助決策、醫(yī)學(xué)影像智能分析、醫(yī)療數(shù)據(jù)價(jià)值化利用、患者全周期服務(wù)為核心的幾大應(yīng)用賽道，且每個(gè)賽道均已出現(xiàn)具備示范效應(yīng)的實(shí)踐案例。

以臨床輔助決策（CDSS）為例，在AI問世的初期CDSS就已經(jīng)是醫(yī)療行業(yè)應(yīng)用AI的重要領(lǐng)域之一，其核心價(jià)值在于彌補(bǔ)醫(yī)療知識爆炸與醫(yī)生個(gè)體知識儲備之間的“知識鴻溝”。醫(yī)療知識每三天翻一番的客觀現(xiàn)實(shí)，使得即便是�？茖＜乙搽y以全面掌握所有領(lǐng)域的最新進(jìn)展，而循證醫(yī)學(xué)的發(fā)展則進(jìn)一步要求醫(yī)生在診療過程中具備充分的證據(jù)支撐。從技術(shù)演進(jìn)來看，CDSS經(jīng)歷了從規(guī)則驅(qū)動、知識圖譜驅(qū)動到如今大模型驅(qū)動的三次迭代，應(yīng)用能力實(shí)現(xiàn)了質(zhì)的飛躍。

早期的CDSS基于固定規(guī)則構(gòu)建，局限性顯著。1972年，斯坦福大學(xué)的愛德華·肖特利夫教授（Edward Shortliffe）團(tuán)隊(duì)開發(fā)了首個(gè)用于感染性疾病診斷的專家系統(tǒng)——?MYCIN?，該系統(tǒng)專注于輔助診斷細(xì)菌感染性疾�。ㄈ缒X膜炎）并推薦抗生素治療方案，其核心采用?基于規(guī)則的推理技術(shù)?，通過編碼約600條“如果－那么”規(guī)則來模擬醫(yī)生決策過程，標(biāo)志著醫(yī)療人工智能從理論探索邁向?qū)嶋H應(yīng)用的關(guān)鍵一步。?

這類系統(tǒng)僅能處理特定病種的簡單診療場景，且規(guī)則更新需要大量人工投入，難以適應(yīng)醫(yī)療知識的快速迭代。隨后出現(xiàn)的知識圖譜驅(qū)動型CDSS，通過構(gòu)建結(jié)構(gòu)化的醫(yī)療知識網(wǎng)絡(luò)，提升了知識組織的系統(tǒng)性，但仍存在更新滯后、覆蓋病種有限等問題。東軟早期基于知識圖譜的CDSS版本，能支持1000多種疾病的輔助診斷，且每次知識庫更新都需要巨大投入。

大模型技術(shù)的出現(xiàn)為CDSS帶來了革命性突破。通過大語言模型與向量模型的融合應(yīng)用，CDSS實(shí)現(xiàn)了知識庫的實(shí)時(shí)動態(tài)更新，覆蓋病種數(shù)量大幅提升，診斷準(zhǔn)確率也顯著優(yōu)于傳統(tǒng)技術(shù)。

據(jù)東軟研究院院長張霞介紹，2023年東軟完成又一輪技術(shù)升級后的CDSS系統(tǒng)，已能支持10000多種疾病的智能輔助診斷，其在東軟“添翼”中的應(yīng)用數(shù)據(jù)顯示，Top5診斷準(zhǔn)確率達(dá)到91.54%，超過了80%左右的人類專家平均水平。這一技術(shù)突破直接提升了醫(yī)生對CDSS的接受度，也使得CDSS從“政策驅(qū)動部署”轉(zhuǎn)向“臨床需求驅(qū)動應(yīng)用”。

除了輔助決策之外，醫(yī)學(xué)影像是AI在醫(yī)療領(lǐng)域應(yīng)用最成熟的場景之一。早在2007年，IBM沃森（Watson）問世，首次將語音問答集成到了臨床診療智能化產(chǎn)品中，通過挖掘醫(yī)療文獻(xiàn)和相似病例為醫(yī)生提出對癥治療建議，同時(shí)支持影像識別，在腫瘤治療領(lǐng)域有明顯共享。

2012年前后IBM和醫(yī)療保險(xiǎn)公司W(wǎng)ellpoint簽訂協(xié)議，會開發(fā)出一套面向醫(yī)生的技術(shù)，使得醫(yī)生可以通過自己的手機(jī)和平板電腦，了解腫瘤患者的身體狀況。

早期的醫(yī)學(xué)影像AI產(chǎn)品以肺結(jié)節(jié)、骨折等單病種篩查為主，產(chǎn)品同質(zhì)化嚴(yán)重，且大多處于“能用但不好用”的階段。由于技術(shù)門檻相對較低，大量企業(yè)涌入這一賽道，但多數(shù)產(chǎn)品僅能實(shí)現(xiàn)病灶的初步檢出，難以提供精準(zhǔn)的定量分析和臨床建議，且研發(fā)投入大、商業(yè)變現(xiàn)困難，導(dǎo)致整個(gè)賽道陷入“全行業(yè)虧損”的困境。

多模態(tài)融合是醫(yī)學(xué)影像AI的重要發(fā)展方向。東軟正在研發(fā)的多模態(tài)影像分析模型，能夠整合CT、核磁、病理等多種數(shù)據(jù)，實(shí)現(xiàn)對單一病灶的多維度評估，提升診斷的精準(zhǔn)度。例如，在腦膠質(zhì)瘤手術(shù)規(guī)劃中，東軟通過融合患者的影像數(shù)據(jù)、病理數(shù)據(jù)和臨床病歷，構(gòu)建智能分析模型，為醫(yī)生提供腫瘤切除范圍的建議，既保證了切除的徹底性，又避免了損傷腦部功能區(qū)。目前，該模型已完成科研驗(yàn)證，正在推進(jìn)工程化轉(zhuǎn)化，未來將直接應(yīng)用于臨床手術(shù)規(guī)劃。

在商業(yè)落地方面，醫(yī)學(xué)影像AI的變現(xiàn)模式正在從“產(chǎn)品銷售”向“服務(wù)收費(fèi)”轉(zhuǎn)型。隨著國家醫(yī)保局推動影像云建設(shè)，電子膠片將逐步取代傳統(tǒng)物理膠片，這為醫(yī)學(xué)影像AI的規(guī)�；⻊�(wù)提供了基礎(chǔ)。張霞告訴筆者，東軟正在布局的血管健康度分析服務(wù)，就是這一轉(zhuǎn)型的典型案例：患者通過影像云獲取電子膠片后，還可選擇進(jìn)一步獲取AI生成的血管健康評估報(bào)告，包括斑塊分析、狹窄程度、血流速度等指標(biāo)，為健康管理提供參考。這種服務(wù)模式不僅降低了醫(yī)院的設(shè)備投入壓力，也使得醫(yī)學(xué)影像AI的價(jià)值能夠直接觸達(dá)患者，開辟了新的商業(yè)路徑。

說到應(yīng)用落地，目前來看，AI+醫(yī)療體系化走得最為靠前就是“人機(jī)協(xié)同”服務(wù)模式，讓高質(zhì)量的醫(yī)療服務(wù)更可及，中國平安首席技術(shù)官王曉航曾表示，AI賦能家庭醫(yī)生是AI角色變化的重要體現(xiàn)。AI家庭醫(yī)生可以幫助醫(yī)生進(jìn)行病史整理、客戶信息交換、預(yù)診、健康咨詢、分診等，達(dá)到流程自動化、體系規(guī)范化，“目前AI可以輔助家庭醫(yī)生完成50%以上的工作�！彼f。

平安科技醫(yī)療AI產(chǎn)品團(tuán)隊(duì)總經(jīng)理倪淵曾透露平安通過AI預(yù)診、專家服務(wù)，在遠(yuǎn)程可以解決很多偏遠(yuǎn)地區(qū)的人來線上問診的問題。例如，一位有胸悶胸痛問題的患者，經(jīng)過AI初診發(fā)現(xiàn)問題嚴(yán)重，隨后被安排線下就醫(yī)，最終確診為肺部腫瘤；平安還通過多學(xué)科會診幫他連接多個(gè)專家，提供了二診建議。

同時(shí)，倪淵曾公開表示，平安的家庭醫(yī)生和健管師，平時(shí)會做一些客戶的隨訪干預(yù)，但因?yàn)樗麄兺ǔ１容^忙，可能隨訪不一定很全面，隨訪占比最多可能達(dá)到20%。如今，AI介入以后，可以達(dá)到全量個(gè)性化隨訪。

在慢病管理中，因?yàn)橛辛薃I全程督促，人工健管師可以有更多時(shí)間做有溫度的患者服務(wù)，客戶群活躍度大幅提升。80%—90%的用戶，推薦使用這套AI+人的管理模式。

AI已進(jìn)入規(guī)模化落地階段

從目前市面上各個(gè)廠商的解決方案，以及醫(yī)療機(jī)構(gòu)的應(yīng)用來看，AI+醫(yī)療已經(jīng)進(jìn)入了規(guī)�；瘧�(yīng)用的階段，并且這個(gè)趨勢將在2026年得以更進(jìn)一步的深入。

新一輪AI技術(shù)給醫(yī)療行業(yè)帶來感官最強(qiáng)的提升就是在患者服務(wù)領(lǐng)域的應(yīng)用。這些應(yīng)用的核心目標(biāo)是優(yōu)化就醫(yī)流程、縮短就醫(yī)時(shí)間、提升患者體驗(yàn)。從行業(yè)實(shí)踐來看，相關(guān)應(yīng)用已覆蓋從院前預(yù)問診、院中導(dǎo)診分診到院后隨訪的全周期，形成了多元化的產(chǎn)品形態(tài)。

而AI+醫(yī)療也成為眾多大廠布局的重點(diǎn)方向。以平安為例，平安以“綜合金融+醫(yī)療養(yǎng)老”雙輪驅(qū)動為戰(zhàn)略，聚焦AI醫(yī)療“能咨詢、能辦事、能應(yīng)急”的核心定位，構(gòu)建差異化服務(wù)體系。其以超級客服為統(tǒng)一AI入口，通過語音交互簡化操作，核心依托“到線、到院、到家、到企”四到服務(wù)體系，覆蓋在線問診、線下掛號綠通、居家養(yǎng)老智能服務(wù)及企業(yè)醫(yī)療支持等全場景。AI承擔(dān)導(dǎo)航員、醫(yī)助、多學(xué)科會診助手等多重角色，同時(shí)憑借2.5億客戶數(shù)據(jù)沉淀、開源大模型技術(shù)路徑及合規(guī)牌照保障服務(wù)落地。核心產(chǎn)品平安AI醫(yī)生作為7x24小時(shí)數(shù)字家庭醫(yī)生，目前能實(shí)現(xiàn)常見病診療準(zhǔn)確率超95%，健康咨詢準(zhǔn)確率97%，問診準(zhǔn)確率98%，用戶規(guī)模達(dá)千萬級。具體案例中，用戶詢問頭暈、胸悶等癥狀時(shí)，AI醫(yī)生經(jīng)多輪追問生成健康小結(jié)，引導(dǎo)至真人醫(yī)生問診，結(jié)束后可智能推薦線下醫(yī)院，實(shí)現(xiàn)嚴(yán)肅醫(yī)療閉環(huán)。

除了大幅提升了患者的就醫(yī)體驗(yàn)之外，在診療階段，AI技術(shù)，尤其是生成式AI技術(shù)的出現(xiàn)，也有助于醫(yī)生提升診療效率和準(zhǔn)確度。

以慢性阻塞性肺疾�。ê喎Q慢阻肺）為例，這是一種常見的、可預(yù)防和治療的慢性氣道疾病，其特征是持續(xù)存在的氣流受限和相應(yīng)的呼吸系統(tǒng)癥狀。在中國約有1億慢阻肺患者，每年導(dǎo)致約100萬人死亡，已成為中國致死率第三高的疾病。

慢阻肺發(fā)病時(shí)會出現(xiàn)胸悶、呼吸困難等癥狀，與很多其他疾病具有相似的病癥，篩查要通過胸部CT進(jìn)行，而對于醫(yī)生而言，解讀CT影像給出診斷意見需要消耗大量時(shí)間，而對于急性發(fā)作的患者來說等報(bào)告的時(shí)間過于漫長，患者有可能在短時(shí)間內(nèi)有生命危險(xiǎn)。

這時(shí)候，如果將AI技術(shù)應(yīng)用到CT篩查中，就能夠快速對CT影像進(jìn)行初步解讀、篩查出可能是慢阻肺造成的患者不適，醫(yī)生能盡快干預(yù)治療，從而讓患者在發(fā)病初期就能得到適當(dāng)?shù)闹委�，降低慢阻肺的死亡率�?/p>

東軟醫(yī)療基于此，與廣州醫(yī)科大學(xué)附屬第一醫(yī)院廣州呼吸健康研究院合推出肺部CT影像處理軟件NeuLungCARE-QA，填補(bǔ)國內(nèi)通過胸部CT平掃圖像篩查慢阻肺的技術(shù)空白。

據(jù)了解，NeuLungCARE-QA是一款針對慢阻肺篩查的智能輔助分析軟件，軟件可以通過肺部CT平掃圖像的自動分析，輸出肺實(shí)質(zhì)分析定量（Quantification定量）與支氣管（Air氣道）的相關(guān)參數(shù)，輔助醫(yī)生進(jìn)行慢阻肺的早期篩查等臨床應(yīng)用，從而有效推進(jìn)呼吸疾病“早篩早診早治療”的健康行動落實(shí)。相較于肺功能檢測，CT平掃覆蓋面廣，且已在基層醫(yī)院和體檢中心普及。因此，在肺癌CT篩查人群中，借助NLC軟件即可進(jìn)一步挖掘受檢者的胸部CT平掃信息，幫助盡早發(fā)現(xiàn)潛在的慢阻肺患者，將防治前移至無癥狀期，使患者獲益更多。

而在皮膚病篩查等方向上，也有不少服務(wù)商通過生成式AI的能力，提升了醫(yī)生診斷效率和準(zhǔn)確度。以京東健康為例，數(shù)據(jù)顯示，京東互聯(lián)網(wǎng)醫(yī)院皮膚醫(yī)院基于大模型的AI輔診準(zhǔn)確率超過95%，皮膚醫(yī)院開發(fā)的專病隨訪服務(wù)患者付費(fèi)轉(zhuǎn)化率已達(dá)20%。

對此，京東健康探索研究院（JDH XLab）的大模型專家向鈦媒體APP表示，從目前醫(yī)療大模型應(yīng)用趨勢看，AI在專病�？茍鼍暗膽�(yīng)用價(jià)值在不斷放大。目前，“京醫(yī)千詢”醫(yī)療大模型已實(shí)現(xiàn)從通用基座模型到全科大模型，再到�？茖２〈竽Ｐ偷募夹g(shù)演進(jìn)，也正與國內(nèi)頂級醫(yī)療機(jī)構(gòu)合作，持續(xù)研發(fā)涵蓋大部分常見腫瘤和重大慢性病的�？茖２〈竽Ｐ汀�

技術(shù)、商業(yè)模式仍待完善

盡管AI在醫(yī)療行業(yè)的應(yīng)用取得了顯著進(jìn)展，但從“技術(shù)可行”到“規(guī)模化落地”，仍面臨著一系列挑戰(zhàn)。這些挑戰(zhàn)既包括技術(shù)層面的可解釋性、數(shù)據(jù)質(zhì)量等問題，也包括商業(yè)層面的成本高企、變現(xiàn)困難等困境，還涉及生態(tài)層面的政策監(jiān)管、數(shù)據(jù)共享等障礙。

技術(shù)層面，自從AI在醫(yī)療行業(yè)開始應(yīng)用以來，可解釋性與嚴(yán)肅性的問題就一直是困擾兩者融合的最大阻礙，“醫(yī)療行業(yè)的特點(diǎn)是診療嚴(yán)肅性和過程不可逆性，這也是AI技術(shù)落地的難點(diǎn)所在�！备卟┽t(yī)療集團(tuán)首席信息顧問陳金雄曾在2024 ITValue Summit數(shù)字價(jià)值年會期間就指出了這個(gè)問題。

醫(yī)療行業(yè)的核心特質(zhì)是診療的嚴(yán)肅性和過程的不可逆性，這對AI技術(shù)提出了極高的要求——不僅要“準(zhǔn)確”，還要“可解釋”，能夠讓醫(yī)生理解AI決策的依據(jù)，從而放心使用。但當(dāng)前的AI技術(shù)，尤其是大模型技術(shù)，仍存在“黑盒”特性和“幻覺”問題，難以完全滿足醫(yī)療行業(yè)的要求。

在臨床實(shí)踐中，醫(yī)生需要為每一個(gè)診療決策負(fù)責(zé)，因此必須了解決策的依據(jù)。但當(dāng)前的大模型大多基于統(tǒng)計(jì)學(xué)習(xí)，其決策過程難以用人類可理解的語言解釋。例如，AI輔助診斷系統(tǒng)給出的“扁平疣可能性90%”的結(jié)論，醫(yī)生無法知曉其是基于哪些癥狀、哪些數(shù)據(jù)得出的，這就導(dǎo)致醫(yī)生難以完全信任并依賴AI的建議。

針對此，張霞表示，東軟在病歷生成系統(tǒng)中引入的“溯源功能”，正是為了解決這一問題——通過標(biāo)注病歷內(nèi)容的來源依據(jù)，提升AI生成內(nèi)容的可信度，但這一解決方案僅適用于文書生成等場景，難以覆蓋輔助診斷、治療建議等核心環(huán)節(jié)。

除了可解釋性之外，數(shù)據(jù)是幾乎所有行業(yè)落地AI過程中最大的阻礙之一，這點(diǎn)對于醫(yī)療行業(yè)而言，亦是如此。在此前與東軟集團(tuán)副總裁、醫(yī)療健康事業(yè)部總經(jīng)理李東的交流中，他也曾對筆者表示，數(shù)據(jù)是技術(shù)層面面臨的最大挑戰(zhàn)。

在李東看來，目前醫(yī)療機(jī)構(gòu)還缺乏高質(zhì)量數(shù)據(jù)，很多醫(yī)院積累的數(shù)據(jù)標(biāo)準(zhǔn)化程度很低，難以用來直接訓(xùn)練模型產(chǎn)品。這一問題源于醫(yī)療信息化建設(shè)的階段性差異：早期的醫(yī)療信息系統(tǒng)多為獨(dú)立建設(shè)，數(shù)據(jù)格式不統(tǒng)一；不同醫(yī)生的病歷書寫習(xí)慣不同，導(dǎo)致文本數(shù)據(jù)的規(guī)范性不足；部分基層醫(yī)療機(jī)構(gòu)的設(shè)備精度有限，導(dǎo)致影像數(shù)據(jù)、檢驗(yàn)數(shù)據(jù)的準(zhǔn)確性難以保證。例如，同一疾病在不同醫(yī)院的病歷中可能有不同的表述，AI模型難以準(zhǔn)確識別和學(xué)習(xí)；基層醫(yī)院的CT設(shè)備生成的影像數(shù)據(jù)噪聲較多，會影響AI模型的分析精度�！按蠖鄶�(shù)醫(yī)療的文獻(xiàn)、數(shù)據(jù)都是英文，缺乏專業(yè)的中文語料，用于訓(xùn)練大模型，”李東進(jìn)一步指出，“醫(yī)學(xué)發(fā)展本身是動態(tài)的，變化很快，包括一些專家的共識，這部分語料都是分散在醫(yī)院的各個(gè)業(yè)務(wù)系統(tǒng)里。需要把它們形成高質(zhì)量的語料去賦能大模型的應(yīng)用�！�

因此，在李東看來，醫(yī)院在落地AI應(yīng)用，首先要做的就是基礎(chǔ)數(shù)據(jù)體系的建設(shè)，做好數(shù)據(jù)治理的工作，獲取高質(zhì)量的語料，用于訓(xùn)練垂類大模型/智能體。

在做好體系建設(shè)之后，數(shù)據(jù)如何更好地實(shí)現(xiàn)共享，也是阻礙當(dāng)前醫(yī)療行業(yè)整體AI落地效果的一個(gè)挑戰(zhàn)。由于醫(yī)療數(shù)據(jù)涉及患者隱私，且缺乏統(tǒng)一的共享機(jī)制，不同醫(yī)院之間的數(shù)據(jù)難以流通，導(dǎo)致AI模型只能基于單一醫(yī)院的數(shù)據(jù)進(jìn)行訓(xùn)練，泛化能力有限。上海某三甲醫(yī)院主治醫(yī)師張醫(yī)生表示，出于數(shù)據(jù)安全和隱私保護(hù)等因素的考慮，目前醫(yī)生只能看到患者在本院做的檢查結(jié)果，無法獲取患者在其他醫(yī)院的病史、用藥等信息，這不僅影響了AI模型的訓(xùn)練，也制約了醫(yī)生的診療決策。針對此，張霞向筆者透露，東軟參與的醫(yī)療可信數(shù)據(jù)空間建設(shè)項(xiàng)目，通過脫敏處理、聯(lián)邦學(xué)習(xí)等技術(shù)，在一定程度上實(shí)現(xiàn)了數(shù)據(jù)的共享，但這類項(xiàng)目仍處于試點(diǎn)階段，尚未形成規(guī)模化推廣的模式。

除了技術(shù)上的難題之外，成本高企、變現(xiàn)困難，難以形成可持續(xù)的商業(yè)模式等商業(yè)化的難題也是目前AI+醫(yī)療需要面對的挑戰(zhàn)。

當(dāng)前AI+醫(yī)療的商業(yè)環(huán)境面臨著成本高企、變現(xiàn)困難、ROI（投資回報(bào)率）偏低等問題，導(dǎo)致很多企業(yè)陷入“叫好不叫座”的困境。

研發(fā)成本和部署成本雙高，是企業(yè)面臨的主要壓力。AI醫(yī)療產(chǎn)品的研發(fā)需要大量的技術(shù)人員和醫(yī)療專家參與，且研發(fā)周期長、迭代速度快。而在部署階段，AI系統(tǒng)需要與醫(yī)院現(xiàn)有的信息系統(tǒng)對接，這需要進(jìn)行大量的定制化開發(fā)，尤其是對于信息化水平參差不齊的腰部醫(yī)院和基層醫(yī)療機(jī)構(gòu)，部署成本較高。多個(gè)企業(yè)的實(shí)踐表明，一個(gè)AI醫(yī)療項(xiàng)目的前期投入往往需要上千萬元，且回收周期長達(dá)3—5年，這對企業(yè)的資金實(shí)力是巨大的考驗(yàn)。

商業(yè)變現(xiàn)困難是制約行業(yè)發(fā)展的核心瓶頸。AI技術(shù)當(dāng)下即是如此。以輔助看片的場景為例，將AI的能力植入到醫(yī)學(xué)診斷軟件之中，如果植入AI能力的軟件要比沒有AI能力的軟件更貴的話，很多醫(yī)院都不愿意為“多出的部分”買單。這一現(xiàn)象的背后，是AI技術(shù)的價(jià)值尚未得到充分認(rèn)可。此外，醫(yī)保支付政策的缺失也影響了商業(yè)變現(xiàn)，目前AI醫(yī)療服務(wù)尚未納入醫(yī)保報(bào)銷范圍，患者的付費(fèi)意愿也相對較低，導(dǎo)致商業(yè)模式難以閉環(huán)。

不同層級醫(yī)療機(jī)構(gòu)的付費(fèi)能力差異，進(jìn)一步加劇了變現(xiàn)困難。三甲醫(yī)院雖然有一定的付費(fèi)能力，但對AI產(chǎn)品的要求極高，且議價(jià)能力強(qiáng)；腰部醫(yī)院和基層醫(yī)療機(jī)構(gòu)的付費(fèi)能力有限，更多地依賴政府補(bǔ)貼，而政府補(bǔ)貼的規(guī)模有限，難以支撐大規(guī)模的AI部署。

AI+醫(yī)療的發(fā)展是一場長期的革命，需要技術(shù)、商業(yè)與生態(tài)的協(xié)同進(jìn)化。當(dāng)前，雖然面臨著諸多挑戰(zhàn)，但隨著各方主體的共同努力和技術(shù)的不斷迭代，AI醫(yī)療將在2026年進(jìn)入規(guī)模化落地的新階段，為醫(yī)療行業(yè)的高質(zhì)量發(fā)展注入新的動力。通過眾多相關(guān)企業(yè)的實(shí)踐表明，只有立足臨床需求，聚焦核心痛點(diǎn)，通過技術(shù)創(chuàng)新、商業(yè)模式創(chuàng)新和生態(tài)協(xié)同，才能真正實(shí)現(xiàn)AI技術(shù)與醫(yī)療行業(yè)的深度融合，最終惠及廣大患者，推動健康中國戰(zhàn)略的實(shí)施。

（文｜Leo張ToB雜談，作者｜張申宇，編輯丨蓋虹達(dá)）