有行业专家向医趋势表示，AI辅助诊断作为医疗服务价格项目中的扩展项，确实适用与主项目相同的医保支付政策。

但需要注意的是，这并非专门为人工智能开辟的新支付通道，而是医疗服务价格立项指南改革后对所有扩展项实行的统一规则。

更关键的是，扩展项与主项目通常只能择一收费，不能叠加计费。

据上海去年发布的《放射检查类医疗服务价格项目》，X线摄影成像（乳腺）三级医院定价85元，属于医保甲类支付项目；其扩展项“人工智能辅助诊断”同样定价85元，也执行医保甲类支付政策。

换句话说，所谓的“AI辅助诊断纳入医保”，既没有增加患者负担，也没有增加医院收入，更没有直接为AI企业打开新的收费入口。

那么，它究竟意味着什么？

截图自上海《放射检查类医疗服务价格项目》

01

至少有了“正规编制”

事情的起点，要追溯到2024年11月。

彼时，国家医保局发布《放射检查类医疗服务价格项目立项指南（试行）》，首次将“人工智能辅助诊断”纳入国家医疗服务价格项目体系。这也是人工智能辅助诊断首次进入国家医保局的价格立项框架，被业内普遍解读为AI医疗迈向支付体系的重要一步。

但一个关键前提是：AI辅助诊断进入价格体系时，并不是作为一个独立收费项目出现，而是被定义为“扩展项”。国家医保局曾在政策解读中明确表示，目前人工智能技术已经能够在一定程度上提升医生工作效率和诊断准确性，但尚未达到完全替代医生的程度。因此，在患者已经为相关检查项目付费的情况下，不宜再因使用AI辅助技术额外收费。

根据工作规划，国家医保局要求各省在2025年完成立项指南对接落地，并持续试运行2—3年后推出新版全国医疗服务价格项目规范目录。医趋势查询地方政策发现，目前已有多个省份陆续将AI辅助诊断纳入医保支付范围，这意味着医院可以向医保系统按次结算AI服务费。

以上海为例，其CT平扫AI辅助诊断与主项目收费一致，三级医院均为189元，同为甲类报销标准；广东CT平扫AI辅助诊断同样与主项目收费一致，价格略高于上海，全省最高限价同为231元；北京CT平扫AI辅助诊断收费133元，纳入医保乙类报销。

截图自北京《放射检查类医疗服务价格项目规范表》

今年4月，厦门市医保局曾在市政协提案答复函中明确表示：自2025年4月30日起将30项人工智能辅助诊断纳入医保支付范围。一个年度内，职工和居民医保年度最高保障就分别达到了120万和60万元，是目前覆盖场景最广的地方保障案例之一。

但值得注意的是，医保报销资格只是医保与医院之间的结算，医院与患者之间的结算没有发生任何改变。也就是说，对于患者而言，检查费用没有变化；对于医院而言，收费标准没有变化；对于AI企业而言，也没有因此获得新的直接收入来源。

也就是说，此次“纳入医保”真正解决的，是AI辅助诊断在价格体系中的合法身份问题——从没有收费编码的灰色地带，走进了有“编”可查的立项指南。这是一个基础性的制度进步，但它和“打开市场空间”之间，还隔着相当长的距离。

02

行业为何如此敏感？

行业对AI辅助诊断进入医保的热情期待，更像是在长达十年的商业化瓶颈面前，一种不自觉的“应激反应”。

2017年前后，AI医疗影像是整个医疗AI里最受追捧的方向，具有清晰的商业想象空间：标准化程度高、数据量大、医生缺口明显。到2021年前后，科亚医疗、推想科技、数坤科技、鹰瞳科技相继冲击IPO，行业一度迎来上市潮。

但真正触及资本市场后，问题接踵而来。除鹰瞳科技成功登陆港股，其余企业大多折戟；即便已上市的鹰瞳，股价与业绩也远未达到市场预期——自2019年有公开数据以来，其已经连续亏损七年，2024年度创下2.55亿元的最大亏损纪录，7年累计亏损额近9亿元。

据行业专家测算，2020-2024年整个AI影像行业的累计商业收入不足30亿元，平均每家医院终身使用一款AI影像产品仅需约40万元，且多为一次性软件买断，后续服务收费乏力。与此同时，据医药魔方数据，2014-2024十年间，国内AI医学影像诊断领域累计融资总额就接近100亿元。

商业模式方面，目前除了“整包销售”“按次付费” 外，只有极少数产品通过物价准入，在院端实现了向患者直接收费。上海长征医院放射诊断科主任刘士远团队在2022年的一项临床应用情况调研显示，国内三级医院AI影像辅助诊断软件向患者收费的比例仅为4.4%。

一边是医生对AI系统的高度依赖，一边是患者收费渠道难以打通。目前国内AI医学影像三类医疗器械注册证已超百款，同质化me too产品大量涌现，价格战随之而来。与此同时，产品的成本收益价值归属不清，医院采购态度审慎。重重矛盾之下，行业深陷"叫好不叫座"的困局。

03

下一程竞争要点

政策解决了合法性，但打开市场上限需要的，依然是技术本身的跨越。

行业分析显示，当前AI影像的能力边界是清晰的：在"找出病灶"这第一步，AI表现出色，漏检率低，甚至优于人类；但在"判断疾病良恶性质"这第二步，准确性仍不及优秀专科医生，误诊率偏高。这意味着AI的定位只能是"提效助手"而非"独立诊断者"。这个能力上限，直接决定了商业价值的天花板。

多模态大模型成为当前关键变量。理论上，如果能将一个患者的所有影像、文本、检验等数据汇集，可以实现一个全域健康决策的产品形态。行业消息显示，目前联影智能、数坤等头部企业正在开发多模态AI辅助诊断工具，另有推想等企业在开发外科手术规划和导航产品线，在完善技术拼图的路上不断演进。

此外，有接近临床一线的行业人士告诉医趋势：AI真正落地最大的挑战之一，还有如何融入医院现有工作流。

具体而言，不同医院的信息系统、检查流程、使用习惯差异很大，尤其基层医院设备环境复杂，对兼容性、易用性要求非常高。一旦涉及跨院区或医院的数据打通，就会碰到数据导出方式、科研统计接口、操作流程简化、本地化适配等诸多问题。

对于临床医生而言，真正好的AI，不只是“能用”，而是要自然融入医生每天的工作流程，在不增加额外负担的前提下提质增效。

来源：MedTrend医趋势