在医院影像科,人工智能标注的肺结节位置与风险等级,正越来越多地出现在医生的阅片界面上。政策层面,人工智能辅助诊断已被明确为放射检查类价格项目的“扩展项”,与主项目同价、不额外收费。这意味着医院不能因为用了AI就向患者多收一笔钱,也意味着这项技术过去的商业逻辑必须重写。

不另收费,不等于不鼓励

把AI放进既有价格项目,而不是单独立项,背后是一条清晰的判断:医保支付的是诊疗服务本身,算法只是医生手中的工具,工具升级不应直接转化为服务涨价。与之配套的还有数字影像处理、上传与云存储被纳入价格构成,推动检查结果互认、减少重复检查。

对厂商而言,这等于取消了按次收费的想象空间。过去一些产品以“提高诊断费”为卖点,如今只能回到更朴素的价值主张:减少漏诊、压缩报告周转时间、降低人力成本。

医院为什么仍然在采购

推动力来自效率与质量,而非收费。三甲医院影像科日均阅片量大,AI先把可疑病灶排序,能把医生的注意力集中到高风险病例上;对主动脉夹层、脑出血、气胸等危急情况,自动提醒可以明显缩短报告时间。对基层医疗机构,AI更像一位随时在岗的“第二读片人”,在缺少资深医师时提供兜底,配合远程会诊提升基层首诊能力。

采购模式也随之变化,从一次性买断转向按例计费或年度订阅。医院更看重厂商能否持续更新模型、能否顺畅接入现有信息系统,以及出现问题时响应速度如何。一套只在验收演示时准确的系统,很难进入临床日常。

真正的门槛在责任与验证

扩张速度受制于两个问题。第一是责任边界:报告由医师签发,责任在医师与机构,但医生若过度依赖算法建议,可能产生“自动化偏见”,漏掉AI未提示的病灶。第二是性能漂移:不同厂商设备、扫描参数、人群构成都会影响模型表现,模型版本一更新,院内验证往往要重做。越来越多的医院要求在采购前提供本地数据测试结果,并要求系统留痕、可回溯每一次AI提示。

监管侧,辅助诊断软件按医疗器械管理,获批产品数量持续增加,但上市后的持续监测与真实世界效果评估仍显薄弱。业内呼吁建立更统一的验证数据集与不良事件上报机制,把“能用”变成“可信”。同时,训练数据来源的合规性、患者隐私保护,也是医院信息部门在评审时反复追问的环节。

结语

不另收费的政策,实际上把竞争从“谁能让医保多付钱”拉回到“谁能真正减少漏诊、提升效率”。当AI从演示走向日常,它的价值需要用量化指标来证明:报告周转时间缩短多少,危急值发现提前多少,基层转诊率下降多少。补上责任保险、验证标准和数据治理这几课,人工智能辅助诊断才可能成为医疗体系里安静而可靠的基础设施。