AI 医疗的"收费口"打通了：从"能识病"到"能收费"，医院要重排三张表
发布时间：2026-10-28阅读次数：187
说这句话的是北京市医保局相关人员，场合是"医保战略性购买与医药产业高质量发展研讨会"。报道给出的背景是：2025 年起，国家医保局陆续在《医疗服务价格立项指南》中明确，"AI 辅助技术"不单独立项收费、仅列为扩展项收费——临床医生运用主项目时，AI 只作为扩展价格项目、不额外加价。到今年，北京已实现"AI 医疗产品"收费全覆盖，价格梯度清晰，医院可自主选用合规产品，患者不用额外付费，相关医疗服务量随之增多。
这条消息的分量在于它扭转了一个持续了七八年的死结。2018 年起北京就为"AI 辅助技术"设过收费目录和价格，但医院在实践中发现患者接受度不高，三四年间难以打开运用空间；对以医用软件开发为主业的企业来说，产品进了医院却收不上费，可持续发展压力一直很突出。现在路径理顺了：AI 进医院有通道，收费有依据。
国家医保局价格招采司相关人员解释了这个设计的两个依据：一是获批上市产品的功能定位本就是"辅助诊断或者治疗"；二是在临床应用中，AI 大多提高诊断效率、替代医务人员的部分劳动，本质是一种成本层面的替代。因此把 AI 列为扩展项，同时纳入相关价格项目的价格构成，并指导各地在定价时关注 AI 的资源投入成本，在价格水平上做整体调节和引导。
对厂商和医院，这带来三个直接变化：
定价锚点变了。 AI 不再单独叫价，而是挂在某个"主项目"下面。这意味着产品必须先回答"我替代的是哪一项医疗服务里的哪一段劳动"，而不是"我的算法有多准"。
规模逻辑变了。 既然患者不额外付费，推广阻力从"患者愿不愿意掏钱"转成"医院愿不愿意多做一个主项目"。用量取决于临床路径里它是否真的省时间。
合规门槛前置了。 全国已有 200 多个加载"AI 辅助技术"的医疗器械产品获三类注册证，北京获批数量居全国首位，产品集中在影像和检验领域——磁共振平扫软件、CT 血管造影软件、眼底照相软件等，大部分是软件产品。10 月 21 日在北京开幕的第 94 届中国国际医疗器械博览会上，"AI 便携超声筛查设备"这类数字化产品已经随处可见。
一句话：软件第一次真正进入了医疗服务的价格表，而不再只是信息科的资本开支。
收费通道打开之后，紧接着的问题是"凭什么值这个价"。10 月 27 日中国网财经的一篇综述，把今年三项关键研究摆在一起，恰好回答了这个问题。
其一，诊前。《自然·医学》2026 年发表的一项中国双中心随机研究，用大语言模型在诊前采集病史、做初步评估并生成转诊报告，共分析两千余名患者及照护者的数据。结果显示：自主使用工具的组别，专科医生平均接诊时间 3.14 分钟，对照组 4.41 分钟，缩短 28.7%；患者及照护者报告的沟通便利性评分同步提升。研究同时提醒，推广时还要考察报告完整性、复核耗时和患者使用体验——效率提升不等于可以省掉复核。
其二，阅片分工。《柳叶刀》2026 年发表的瑞典 MASAI 乳腺筛查随机研究，涉及超过 10 万名女性。AI 辅助筛查对实际癌症病例的检出比例，从常规双人阅片的 73.8% 提高到 80.5%，两组正确识别无癌受检者的比例均为 98.5%，阅片工作量同步减少。这项研究的意义不只是"更准"，而是给出了"人机分工"的实证：系统标记可疑区域，再按风险把影像分配给一名或两名医生，把医生的精力集中到高风险影像上。
其三，专病结局。《英国医学杂志》2026 年发表的 GOLDEN BRIDGE II 研究，纳入中国 77 家医院、21603 名急性缺血性卒中患者。使用融合 AI 影像分析、病因分类与治疗建议的辅助系统后，干预组发病后三个月内新发血管事件发生率为 2.9%，常规诊疗组为 3.9%，绝对降低 1.0 个百分点（该指标含卒中、心肌梗死或血管性死亡）；两组致残和全因死亡差异未达统计学显著性。
把三项放在一起，逻辑很清楚：效率类证据（接诊时长、阅片量）已经比较扎实，结局类证据（发病率、致残率）刚刚开始出现，而且要在完整诊疗流程里才验证得出来。 这直接决定了医院该怎么排优先级——先上能被计量、被审计的效率工具，再谈改变结局。
如果只挑一个"AI 到底怎么进临床"的具体样本，北京大学第三医院近日发布的脊柱磁共振"一扫多查"智能体值得细看。
脊柱磁共振是临床常用检查，但脊柱有明确的节段化解剖特点：医生阅片和写报告时，要对多个椎体、椎间盘、椎管及周围结构逐一观察、判断、描述，信息量大、重复劳动多。而这套智能体的做法是——基于一次检查，对多个脊柱节段做系统分析，自动识别 76 种疾病及异常影像征象，并结合定制化的结构化报告模板辅助生成报告。
效果上，该院放射科主任医师袁慧书给出的数字很具体：传统模式下完成一份脊柱磁共振报告，从初步撰写到审核通常需要 10 至 20 分钟；采用"AI+人工"模式后，报告撰写效率提升了 56%。
但比 56% 更值得记的是它的接入方式：该智能体已融入北医三院的 AI PACS 业务流程，医生无需额外打开独立的 AI 软件，AI 分析结果直接进入现有的阅片与报告流程，由医生查看、修改、审核并作最终诊断。研发团队还专门按放射科医生的阅片与报告习惯，优化了结果输出、报告生成与人机交互方式，目的是减少重复性观察、信息整理和文字录入，把医生的精力还给影像判断与临床决策。
袁慧书的那句话，几乎可以作为所有医疗 AI 产品的验收标准：
"医疗人工智能的价值，不仅在于能够识别更多疾病、提供更多信息，更重要的是结果准确可靠，符合临床诊断逻辑，并能够融入医生原有的工作流程。"
她同时明确了边界：AI 在这一过程中主要承担辅助分析和信息整理，不能替代医生完成最终诊断；对 AI 生成的结果，医生仍需结合原始影像与临床信息综合判断确认。下一步，团队将在不同地区、不同层级医疗机构开展应用验证，评估系统在不同设备、不同患者人群和不同临床环境中的适用性。
"不再另开一个软件"，可能是这轮医疗 AI 落地最重要的一句产品要求。 医生的时间经不起在两个系统之间来回切，每多一个入口，就多一次被放弃的机会。
把视角从单个科室拉到整条服务链，10 月 27 日健康界的一篇分析给出了更完整的图景：多家互联网医院已在专科场景开展医疗智能体试点，覆盖移植术后管理、心血管疾病、糖尿病等慢病领域——智能体承接常规咨询、指标收集、定期随访，识别到危险信号后快速转人工处置；AI 预问诊完成信息结构化采集入库，医生打开工作站即可查阅整理完成的病史资料，压缩问诊耗时、减轻病历书写负担；处方前置审核智能体联动过敏史、既往病史、用药配伍规则，实时拦截不合理处方。
瓶颈同样明确：数据孤岛、系统接口标准不统一、病历结构化规范缺失、模型幻觉风险、责任边界模糊、质控体系跟不上 AI 迭代节奏、稳定可持续的服务模式不足——不少试点仅停留在附加功能层面，未能带动机构流程与服务模式同步调整。
它给出的五条主线，实际上就是一份改造顺序：统一数据底座 → 诊疗流程再造 → 质控安全闭环 → 专科场景深耕 → 配套体系完善。
落到执行层面的分层建议也值得照抄：
诊前：部署分诊、预问诊智能体，按专科路径采集症状、病程、既往史、用药史并完成风险分级；轻症咨询由智能体承接，疑似急症与高风险人群直接引导线下就医或紧急人工接诊。
诊中：上线病历辅助生成、用药风险提示、医嘱模板智能体，输出内容一律作为初稿交由医生复核留痕，完整留存修改日志，满足病历质控与纠纷溯源要求。
诊后：面向慢病、术后康复、孕产妇管理搭建长期管理智能体，定时随访、采集指标、分层预警，低危人群自动化管理，高危信号自动推送责任医师介入。
收费通道打开、证据逐渐扎实，剩下一件事必须说清楚：责任。
10 月 25 日，江苏徐州一位网友发布视频，称家属就诊时医生在诊室用 AI 工具查询用药信息，"准备照着上面的建议开药"，引发讨论。10 月 27 日，涉事医院回应：经核实，当天坐诊医生并未给患者开药，而是用 AI 查询一个新药是否适合该患者，发现不合适，所以什么药都没开；院方强调，AI 只是获取信息的辅助工具，最终处方仍由医生决定。
把事实拆开看，这条线其实很清楚："用 AI 查资料"和"让 AI 做决定"是两件事。前者是信息检索，本质上和翻医书、查文献、查数据库没有区别，甚至在速度与覆盖面上更有优势；后者是处方拍板，那支签字的笔永远在医生手里。
真正的教训在另外两个层面。产品侧：如果 AI 的建议不能回溯到指南、说明书或配伍规则，医生就没法在几秒钟内判断该不该采纳，工具反而变成负担——这也是为什么处方前置审核要联动过敏史、既往史与配伍规则做"拦截"，而不是给一段自由文本。沟通侧：患者看到医生在手机上操作却不知道在做什么，信任就会在猜疑中损耗。与其让家属在旁边猜，不如主动说一句"我帮您查一下这个药的禁忌"。诊疗室无小事，患者在看、在记。
图1：医疗智能体的落地路径正在从"单点问答"转向"全链路协同"。诊前承担预问诊、风险初筛与分诊；诊中承接病历初稿、医药事项、医患辅助与路径提醒，医生仍在环；诊后负责随访提醒、分层管理与处方续方（图源：健康界）
收费路径打通之后，AI 医疗的竞争重心已经从"谁的功能多"转到"谁算得清"。建议信息科与院办一起把这三张表先做出来：
第一张，价格表。 逐条列出本院拟上线的 AI 功能，对应到具体的主项目、当地是否已开通扩展项、价格梯度如何。凡是挂不上主项目的功能，先不要立项——它意味着没有收费依据。
第二张，接口表。 HIS、电子病历、LIS、PACS、随访系统、处方流转平台、可穿戴设备、区域健康档案，逐个标注接口形态（HL7 FHIR / 视图 / 文件 / 无接口）、数据粒度、更新频率与责任人。统一健康视图做不出来，智能体就永远只是孤岛里的问答机器人。
第三张，责任表。 明确每个场景里 AI 出什么（初稿、提示、预警）、医生签什么（确认、修改、否决）、日志留什么（修改痕迹、依据来源）、异常找谁。这张表决定了产品能不能过质控、能不能应对纠纷。
内蒙古灵集科技在内蒙古医疗软件领域深耕多年，服务过呼和浩特市蒙医中医医院及多家基层医疗机构。这两年我们最深的体会是：医院真正缺的不是"再加一个 AI 功能"，而是让 AI 能被收费、能被审计、能被基层医生用起来的三件基础设施。 所以在内蒙古软件开发中，我们坚持私有化部署优先，让数据不出院；在区域医共体与基层场景下，通过内蒙古 APP 开发把预问诊、随访、慢病管理与掌上超声这类能力送到乡镇卫生院和嘎查村卫生室，并按《规划》要求对接电子社保卡、区域健康档案等既有通道；在蒙医药特色诊疗场景，我们把名医经验做成可维护、可溯源的知识库，让每一条 AI 提示都能指回具体的诊疗依据。对于正在规划电子病历升级、智慧服务分级评估与"人工智能+医疗"试点的机构，我们的建议依旧是：先把预问诊、病历生成、质控、随访这四个高频环节做透，每个环节都配一张价格表、一张接口表、一张责任表——有了这三张表，再谈全域智能化，才不会在评审和审计时说不清楚。
政策给了收费口，研究给了证据，科室给了样本。接下来比的不是谁先上线，而是谁能把"AI 做的事"和"人负责的事"记成两本清楚的账。
图2：10 月 21 日在北京开幕的第 94 届 CMEF 秋季展上，"国家人工智能应用中试基地（医疗）·北京"展区。全国已有 200 多个加载"AI 辅助技术"的医疗器械产品获三类注册证，其中大部分为软件产品（图源：北青网·北京青年报，网易转载）
