醫療 AI 進入醫保只是開始，商業化仍只跑通一小半

过去到现在，几乎每家三甲医院病理科都需要安排医生周末值班，因为阅片工作量确实太大。

未来两三年内，也许这种情况会发生一些改变。

变化来自AI辅助诊断加入到医疗叙事，病理科医生有了AI助手，阅片效率和诊断灵敏度得到翻倍提升。

2026年4月，一项相关政策落地再次把这个话题搬到台面上放大讨论。

AI辅助诊断被正式纳入国家医保乙类目录。半年过去，据不完全统计，全国已有27个省份给出明确价格参考。这被很多人解读为AI辅助诊断商业化的“最后一公里”打通了。

真的是这样吗？

在动脉网近日举办的“AI辅助诊断进医保：商业化真的跑通了吗？”主题直播中，上海交通大学医学院临床医学研究院数据和智能部负责人冯铁男、深圳邦勤创业投资基金董事总经理汪琴、透彻未来联合创始人兼首席技术官王书浩围绕这一话题展开了讨论。

问到同一个问题：商业化，跑通了吗？

三个人的回答都很简短。

冯铁男引了一句毛主席的诗：“雄关漫道真如铁，而今迈步从头越。”

汪琴说：“跑通了一小半，但越走越稳。”

王书浩的回答很有诗意，“刚刚从冬天，尝到了春天的滋味。”

01

进医保不等于可以向医保收钱

外界很容易把“进医保”理解成企业可以直接向医保收钱。汪琴纠正了这个误读。

“大家仔细去看这个文件，会发现一个关键的细节。”她说，“AI辅助诊断不能单独收费，而是作为原有诊断项目的扩展项，合并结算。”

也就是说，收费通道打开了，但医院拿到的是一笔打包在影像诊断或病理诊断里的钱，不是单独开给AI公司的账单。把医保立项直接换算成企业订单，是资本市场对政策信号的过度解读。

不过文件里另有一处文字，王书浩认为这才是真正的杠杆。

内容是关于“缺数减收”：如果医院不能提供数字化切片并上传病理报告，每张切片将被减收5到15元。“如果不做数字化、不上AI，医院反而要少收钱。”

这是政策在倒逼病理科数字化。

政策没有把AI变成医院的开支项，反过来把“不上AI”变成了医院的损失项。

不过是一字之差，改变的是医院算账的方式。

冯铁男看到的则是另一笔账。

“一个病理检查，患者付100块，医保来了也不会变成120块。医院为AI买单的动力，只能是效率，以前一天做100例，现在能做200例，且质量不下降。医保的大逻辑不是新增收入，是效率提升。”他是这样算这笔账的。

他同时指出了一个被很多企业低估的现实：拿到医保立项之前，AI公司先要迈过一道更贵的门槛，三类医疗器械注册证。“拿三类证的成本是非常高的。拿到证之后能不能被医院采购，挑战也很大。”

但他并不悲观。

他提到一个常被忽略的副产品：AI反过来会倒逼医院提升数据质量。“如果数据质量太差，AI的算法可能就不识别了，这会迫使医院把整个数据管理的过程做得更好。”这在他看来，是AI带给临床体系的另一个重要作用。

02

院内医疗AI，不是走量逻辑，是走质

钱从哪儿来，是三个人讨论最多的问题，也是行业的共性话题。

行业里有一种说法：AI辅助诊断真正的付费方，是第三方体检机构和公共筛查项目，而不是医院。

汪琴有不同的看法。她把医疗AI的需求拆成三类，然后挨个分析了一下发展逻辑。

三方体检，本质是走量。

前几年大家把肺结节CT、眼底照相AI包装成高端体检的噱头，很快同类企业扎堆。“为了争夺大体检集团的独家合作，厂家开始免费赠送、贴钱运维。装机量铺了几百家、几千家，但本质上沦为了体检机构的免费打工仔。”

公共筛查更脆弱。

“极度依赖地方政府的专项财政补贴。政策来得快，去得也快。财政预算一收紧，项目就难以为继。”

真正值得投的，是院内科室。

门槛高、周期长、准入难，但一旦嵌入临床核心工作流，“就是深度绑定和长期锁定”。

在所有院内场景里，汪琴把票投给了病理科。

理由很直接。病理是临床诊断的“金标准”，全国注册病理医生不足2万人、缺口超过10万、培养周期超过10年、容错率为零。

“病理AI不是锦上添花。”她说，“它是医生在超负荷运转下的救命稻草。”

03

按效果付费性感，但落不了地

DRG、DIP打包付费改革之后，医院的采购逻辑早已被重塑。

一种流行的叙事随之出现，AI企业应该从“卖软件”转向“按效果付费”，甚至和医院分成。

汪琴同样有不同的看法。她说，“现阶段，卖软硬件、卖License、收年费，在很长一段时间内，一定是公立医院体系内的主流。”

按效果付费听起来性感，落到实操层面全是要命的问题：分成比例怎么定？合规边界在哪里？医院账期有多长？收入怎么确认？“这一连串问号，在公立体系内是没办法回答的。”

王书浩则给医院算了一笔更细的账。在他看来，病理AI本质上是创收工具，不是成本中心。

第一笔是漏诊账。早期胃癌漏诊，患者进展到晚期，后续手术加化疗几十万。"切片分析的费用摊到患者身上非常低，跟漏诊导致的后续风险不在一个量级。"

第二笔是效率账。诊断周期从一到两周缩减到2-3天，床位周转加快，住院日缩短。

第三笔是质控账。“如果因为漏诊或误诊导致诊断被延误或器官被摘除，引发医疗纠纷，赔偿的数目都是非常惊人的。”通过AI质控减少漏误诊，“科主任心里会非常踏实”。

这三笔账加在一起，AI省下的不是每一例病人的钱，而是卫生经济学里的真金白银。

冯铁男补充了一个更宏观的视角。中国不同地区的医疗水平差异巨大。一个在上海训练成熟的AI，下沉到偏远地区，反而更能把漏诊的患者筛出来。“这是显而易见的价值。”他说。前提是前期科研做得足够扎实，三类证本身就是给这件事做背书。

至于AI产品的定价，他给出了一个朴素的标准：“价格定得非常高，不合理；定得太低，公司活不下去。”平衡点在数据里，用量铺开之后，单例成本自然下降，企业能挣钱，医保的负担也不会失控。“有了这样的生态之后，我觉得希望是肯定在的。”

但他特别提醒了一个点：不能简单套用欧美的投资逻辑来看中国。他讲了一个常从投资人那里听到的笑话，“我最怕一款新药做出来之后，马上医保集采了，那我就亏大了。”

笑话背后是真命题。

“在中国政府这个大环境下，医保已经有了自己的规则，你按照这个规则去套就好。”但是按这个规则跑出来的产品，未必就值得投资。这是他常和投资人交流时反复强调的一点。在他看来，中国医疗AI的商业化路径，不能是“欧美逻辑在中国政府大环境里硬套”。

04

算法精度，已经从核心竞争力变成了入场券

过去两年，AI医疗公司比拼的是小数点，谁的精度高0.5、0.8个百分点，谁就能拿到下一轮融资。

汪琴认为那个时代过去了。

“现在算法精度顶多算个参赛资格。”她说，“精度不够，你连牌桌都上不了；但精度够了，也只是让你坐下，不代表你能赢。能坐下的公司很多，能赢的没有几个。”

真正的第一权重，是商业化兑现。

她对“兑现”的定义有些严苛：收入要可重复、可规模化，并且不依赖单一大客户。

那什么样的技术值得押注？

王书浩把病理AI的技术路线分成三层。

第一层是形态学病理大模型，看切片、做诊断，这是目前唯一规模化落地的路线，商业化最确定，因为HE切片的数据标准化程度最高。

第二层是多模态融合，把免疫组化、分子检测、影像、电子病历都叠加进来。“真正成熟至少还要一到两年。”难点不在模型，在于医院的数据孤岛，每家医院都要重新打通数据流。

第三层是多智能体的“人工智能医院”。这是远期愿景，需要国家级数据流转标准，“不是一家公司能做成的”。

汪琴自己的投资框架一个字没变：强刚需、弱医保、硬科技。变的只是权重。"政策红利是贝塔，临床刚需和硬科技才是真正的阿尔法。我投的是那种没有医保也能入院、有医保能加速的公司。"

05

AI不取代医生，但会取代不会用AI的医生

“AI会不会取代医生”是这个行业从起步第一天就被到的问题。

王书浩说他们从创业第一天就不说这句话。

“我们跟所有医院的老师和领导交流，第一句话就是：这是辅助工具，绝对不把它做成独立的诊断工具。”

产品层面，团队给AI设了三条底线。

第一是可解释。除了热力图，还做了“警示岛”和“警示点”，把AI认为可疑的小块组织、甚至几个细胞级别的病变，用弹窗和箭头指给医生看。

第二是可交互。用多模态大语言模型做一个对话系统，让医生能追问“为什么这么判断”。

第三是可控制。“签字权一定要控制在人手里，这是所有医疗AI产品的最终底线。”

在冯铁男的观察里，医生群体已经分成了两拨。水平高的医生把AI当助手；一些基层和年轻医生确实有“被替代的危机感”。

他的解法不是回避，而是引导。

他举蚂蚁集团两个产品的例子：患者端的“蚂蚁阿福”和医生端的“氢离子”，“最终不是谁替代谁，而是让医患沟通变得更高效”。

AI还在改变医学教育。

冯铁男提到，当AI系统积累了足够多的高质量病例，它本身就是最好的教材库。“我们以前做过一个项目，让医学知识不够强的医生看他科室的病例。看多了之后，他自然就会形成条件反射，诶，这个东西我觉得有问题。”

在以前，这件事做不到规模化，但现在AI让它变得自然。

06

跑通了一小半

回到开始的问题，“AI辅助诊断商业化跑通了没有？”

冯铁男说：“雄关漫道真如铁，而今迈步从头越。刚刚才起步，还有好多工作要做。”

汪琴说：“医疗AI商业化不是靠医保这根拐杖，而是靠临床刚需和真金白银买单这两条腿。现在跑通了一小半，但总体越走越稳。”

王书浩说：“可以看到，我们有了收费目录、临床价值验证了、规模化落地了。但我觉得，刚刚从冬天尝到了春天的滋味。从春天到夏天，还有很多工作要做。”

医保乙类目录给了一个收费通道，但“扩展项、合并结算”这几个字决定了AI辅助诊断还没有自己的独立商业人格。它得嵌在病理、影像、超声这些老科目的骨架里，先证明自己是医院离不开的工具，再谈独立定价。

*封面图片来源：123rf