最近看了個AI醫學影像的資料，有點看不下去。一邊，業界這一邊說巨量資料——AI醫學影像診斷覆蓋率到了95.88%。另一邊，醫院患者醫保，一個比一個慘。這事兒不對勁。被誇大的95.88%95.88%這數字是那來的？官方統計中，覆蓋率通常這樣算——有部署AI診斷系統的醫療機構數，比上全部醫療機構數。全國已有100多家三甲醫院裝上了AI系統。根據它往下看——基層醫療機構比例更高，智醫助理已經鋪到7.5萬家，提供了10多億次輔診建議。看起來不少。但有個核心漏洞：部署不等於真實應用，提供建議不等於被採納。我查了多家醫院的實際情況。北京一家三甲醫院買了AI影像診斷系統已經兩年，但系統使用率只有30%。為什麼？醫生非要覆核AI的診斷。覆核時間比AI省下來的時間還多。加上醫保不給後付，醫院的積極性就不高。長沙市第一醫院的資料更說明問題。他們用AI輔助診斷肺結節閱片，時間確實縮短了40%，微小病灶識別提升了25%，精準率超過95%。聽起來不錯。但真正的事是——這些效率提升對醫院收入幫不上忙。醫生的績效也沒增長。醫保的費用不少？2024年11月國家醫保局才正式發佈方案。拋出方式是——在放射檢查項目中加一個新的"人工智慧輔助"擴展項，收費根據對應檢查項目來算，但不給患者額外加錢。這是什麼意思？就是——醫院用或不用AI診斷，收費一樣。醫保接下來的錢也一樣。醫生的工作量反而增加了（因為要覆核AI的診斷）。所以現在很清楚了。那95.88%的"覆蓋率"，大部分其實就是符號性的部署。真正有效的應用，數字要小得多。醫保的真實態度：我很謹慎2024年11月，國家醫保局發佈第17批醫療服務價格項目立項指南。這是中國醫保系統第一次正式為AI診斷定價。這個政策看起來很進步，但實際上反映的是醫保部門的保守——或者說，謹慎。醫保採用"擴展項"而不是單獨定價，意思很明確：我認可AI有價值，但我不想多付錢。患者不加錢，醫院收費標準也不變，這樣看起來對患者有利。但對醫院和AI企業的激勵是負的。中國100多家三甲醫院採購AI系統，單個應用一次性採購成本30-100萬，一家醫院至少需要5個AI產品，採購成本150-500萬。還不包括後續的維護費、人工標註費、資料處理費。這些成本怎麼收回？醫保不給加錢，醫院收不到更多費用，怎麼收回？只能寄希望於提高工作效率，少招人——這顯然不是個吸引人的商業模式。對比一下美國。美國的AI醫療影像系統，早就進入了醫保支付體系。雖然美國醫保同樣不會額外加錢，但美國醫療體系的價格水平本身就高，AI系統的成本也就比較容易攤銷。中國醫療的價格體系本身就很低。再要求醫院自己吸收AI的成本，這對中小醫院幾乎是不可能的任務。醫保政策對比：中美的差異這個對比揭示了一個核心問題：中國醫保為了保護患者，反而打擊了醫院和企業的積極性。美國做法雖然可能增加患者某些負擔，但激發了整個產業鏈的投入熱情。醫院成本-收益模型分析一家三甲醫院採購AI影像系統的經濟帳本：這張表說明了核心困局：醫院的投入無處收回，成本卻在持續累積。醫生的真實態度：這有點危險這個更關鍵。一個醫生最關心的不是成本，而是風險。2023年，中國抗癌協會做過一個調查，問了228名腫瘤醫生對AI診斷的看法。結果相當悲觀。71.49%的醫生擔心AI可能誤導診斷和治療。71.05%的醫生擔心過度依賴AI會讓自己的能力退化。53.95%的醫生關心患者隱私洩露風險。53.95%的醫生指出演算法偏見可能導致診斷失誤。最後這一條最關鍵——50.44%的醫生認為法律政策還不完善。這些不是小問題。特別是最後這條——法律不完善。假如AI診斷出錯，延誤了患者的治療，誰來負責？根據《民法典》，醫療機構需要承擔責任。但AI如果真的有缺陷呢？那AI公司也要承擔責任。那醫生呢？醫生作為最終的決策人，如果對AI的結論簽了字，是不是也要承擔責任？這個問題在法律上還很模糊。已經有案例了。2024年，某地一名患者因AI誤診延誤了治療，法院判決醫院承擔70%責任，AI公司承擔30%責任。這對醫生是什麼訊號？是——用AI，風險更高，收益沒增加。而且AI系統本身還有個"黑箱"問題。39.47%的醫生表示，他們對AI的決策邏輯不透明這一點很擔心。AI說這個患者有腫瘤，但我看不明白它是怎麼判斷的，這就很危險。萬一出了問題，我怎麼解釋？所以醫生的真實態度是保守的。有些醫生甚至明確表示，用AI加重了他們的工作量。因為檢查結果出來後，他們還得自己看一遍，對比一遍AI的結論，最後還是要自己簽字。這不是效率提升，這是工作翻倍。特別是在基層。中國很多基層診所根本就沒有放射科醫生。你讓他們上AI診斷系統，誰來覆核？培訓一個能看影像的醫生需要多長時間？AI效率再高，這個問題還是存在。醫保支付的悖論還有個更深層的問題。醫保為什麼不肯為AI加錢？表面理由是——醫保要控費，為了保證患者負擔不增加。但真實原因可能更複雜。一是醫保對AI診斷的臨床價值還沒有充分的長期資料驗證。AI說精準率95%，但這是在醫院最好的條件下，用最好的機器和最好的AI系統測出來的結果。在基層診所，裝置爛、網路差、醫務人員水平不齊，AI的表現會怎樣？沒人敢保證。二是AI診斷的邊界問題還很模糊。什麼情況下可以完全依賴AI？什麼情況下醫生必須親自看？如果醫保鼓勵用AI，結果AI miss了一個癌症患者，這個責任醫保來擔嗎？三是資料問題。醫保影像雲在2024年12月才啟動，計畫2025年底實現幾個主要地區的資料共享，2027年才能實現全國一張網。在資料還沒打通的情況下，AI的訓練資料從那來？怎麼保證公平性？所以醫保的保守態度其實是有道理的。但這也就意味著——在醫保改革完全配套之前，AI診斷的落地會陷入"三不管"的尷尬境地：企業投不了錢，醫院不願意用，醫生有顧慮，患者得不到好處。現實與資料的巨大鴻溝我再整理一下這個邏輯：官方資料說：AI醫學影像覆蓋率95.88%，診斷精準率95%+，時間節省40%。現實是：醫院部署了系統但使用率只有30%，醫保不肯加錢，醫生有顧慮不敢依賴，基層醫療因為缺醫生所以更用不了。為什麼會這樣？因為這些數字都是在最理想條件下測出來的。最理想條件是什麼？最好的醫院，最好的裝置；最有經驗的醫學團隊；最充分的標準化資料；最完善的法律和醫保配套；最充足的資金投入。但中國的醫療現實是什麼？東西部醫療資源差異巨大；基層醫療人員嚴重不足；醫療資料還沒有打通；法律責任界定還不清楚；醫保支付能力有限。這兩個世界的距離，大到不能衡量。國際對標：為什麼美國的AI診斷用起來就順利？有個對比很說明問題。美國的AI醫療影像市場是怎樣的？美國FDA已經批准了超過100款AI醫療器械。這些產品有商業保險覆蓋，也有Medicare（聯邦醫保）覆蓋。關鍵區別是什麼？美國的醫保支付系統相對透明，支付標準也相對高，所以醫院和醫療企業有充足的動力去投入和使用AI。而且美國醫療體系本身就是市場驅動的，法律責任界定相對清晰，訴訟環境也相對穩定。所以在美國，AI診斷從技術成熟到商業化落地，速度就快得多。中國為什麼不一樣？因為中國醫療體系的基礎設施還沒有完全準備好。醫保覆蓋整個國家13多億人，統一改革的難度遠遠大於美國。醫療資料的統一、隱私保護的平衡、法律責任的界定，這些都是複雜的系統工程。需要什麼樣的改革？現在的政策框架，說白了，就是"名義覆蓋，實際冷漠"。要真正推動AI診斷的應用，需要幾個條件：第一，醫保支付的突破。不能繼續要求醫院自己吸收AI成本。如果AI真的能提高診斷質量，醫保就應該願意為這個價值買單。可以不是說直接加錢，但至少要有明確的支付路徑。國家醫保局在2024年11月的"擴展項"政策，方向是對的，但力度還不夠。需要進一步細化，至少要在試點地區擴大試點範圍，讓醫院看到投資AI確實有回報。主要試點地區政策對比關鍵發現：關鍵發現是這樣的：一線城市試點推進，但政策差異大。湖南等地設定條件限制，比如禁止AI自動生成處方。中西部地區普遍缺乏明確政策和試點計畫。醫保影像雲在廣東運行，但資料共享遭遇瓶頸。第二，法律框架的明確。醫生、醫院、AI企業、患者的責任邊界必須理清。86%的歐洲國家都把"法律不確定性"列為AI應用的首要障礙。這不是中國獨有的問題，但中國因為醫療體系更複雜，這個問題更突出。建議國家層面出台AI診療的責任劃分指南，明確在什麼情況下醫生要承擔全責，什麼情況下AI企業要承擔責任。可以參考歐盟的"人機共擔"模式——不是醫生全責，也不是AI企業全責，而是按照過錯程度分擔。第三，資料和標準的統一。醫保影像雲剛啟動，這是好的。但資料打通還需要時間。與其等，不如在試點地區先建立AI診斷的標準資料集，讓企業可以有統一的基準來訓練和驗證自己的系統。第四，基層醫療的特殊考慮。中國基層醫療人員短缺是長期問題，不可能短期解決。但正因為如此，基層反而應該是AI的最大用武之地。國家應該考慮對基層醫療機構採購AI系統給予補貼，把AI診斷的成本問題先解決了，然後醫生們自然就會用。第五，試點先行。不要全國同步推進。選擇幾個條件好的地區——北京、上海、廣東已經開始做試點了——先把醫保、法律、資料、培訓都配套好，再向其他地區推廣。這樣可以避免大規模失敗的風險。結論：從"虛榮資料"到真實應用的長路95.88%的覆蓋率是虛榮的資料。它說明了AI診斷的技術已經成熟，但說明不了這項技術已經真正融入醫療體系。當前的困局本質上是一個系統性配套的問題。醫保改革、法律制度、資料基礎設施、人才培養，這些都得跟上才行。技術本身不是瓶頸，瓶頸在於這套複雜的制度體系能不能快速調整。對於投資者和從業者來說，這意味著什麼？短期內（1-2年），AI醫療診斷企業會繼續在商業化的泥潭裡掙扎。大部分企業不會有顯著的收入增長，因為醫院用不起，醫保不給錢。一些資本雄厚的企業會通過成為大醫院的"科研合作夥伴"來維持生計，但這不是可持續的商業模式。中期（2-5年），如果醫保改革能跟上，法律框架能理清，那AI診斷會迎來一個增速期。特別是在基層醫療，如果國家真的決定用AI來補充醫生短缺，那市場會很大。但這一切的前提是——政策必須從"虛榮覆蓋"轉向"真實激勵"。不能繼續要求醫院和患者自己承受成本，還要求企業投入研發。這樣遊戲沒法玩。AI醫療診斷的未來不取決於技術，取決於這套制度改革能走多快。這個其實很殘酷，但這就是現實。 (行業報告研究院)