2026年4月1日起，AI辅助诊断服务被纳入国家医保乙类目录。这个变化比一次技术发布更实在：过去医院使用AI辅助诊断，常常卡在收费编码和支付通道上；现在，它开始成为可以被医保支付的医疗服务。
这意味着，AI医疗不再只是医院信息化展厅里的演示项目。放射科医生的屏幕上，一边是原始CT影像，另一边是AI自动标注的结节位置、大小、密度分级和三维重建模型。对医院来说，这类工具有了更清晰的使用理由；对患者来说，它也更可能出现在一次普通检查之后的报告流程里。
但问题也从这里开始变得具体：当AI参与诊断，医生到底是在使用工具，还是在和另一个“判断者”共同完成诊疗？
最先被改变的，是那些重复又紧急的环节
AI在医院里最容易落地的地方，往往不是最复杂的疑难杂症，而是标准化程度高、重复劳动多、时间压力大的环节。
央视网援引《经济日报》报道，在北京大学深圳医院重症监护室，医生借助迈瑞医疗启元大模型，5秒内完成诊疗全流程数据回溯与整合，1分钟生成结构化病历。对ICU医生来说，这类能力不是锦上添花。患者指标变化快，病历、检验、影像、用药记录分散在不同系统里，机器先把信息拉齐，医生才有更多时间看病情本身。
同一篇报道还提到，西安市北方医院应用AI后，主动脉夹层影像诊断时间从15分钟至20分钟压缩到3分钟。主动脉夹层本来就是和时间赛跑的疾病，这里的价值不在于AI显得多聪明，而在于它能把一个关键判断提前几分钟交到医生手里。
新华网在2026年1月的报道中也提到，AI辅助识别医学影像，主要作用是学习专家阅片经验，完成辅助性初筛，让医生把精力更多放在复杂病情分析和患者沟通上。这个定位相对克制，也更接近现实：AI先筛、先标、先整理，医生再判断。
Merlin提醒了另一件事：AI不只是在“看得更快”
如果AI只是让报告出得更快，边界还相对清楚。但2026年3月，斯坦福大学团队在《Nature》发布医学基础模型Merlin后，讨论变得更复杂。
据医药魔方报道，Merlin能从腹部CT中读出人类肉眼难以察觉的疾病线索，提前五年预测慢性病风险，比如糖尿病风险或骨密度变化。这类模型的吸引力很明显：一次CT检查，不只回答“现在有没有问题”，还可能提示未来风险。
但它也把医生推到一个更难的位置。影像科医生熟悉的是当前影像、既往史、临床表现之间的对应关系；模型给出的，可能是一个长期风险判断。患者拿到这样的提示，会问医生：我现在到底有没有病？要不要治疗？要不要改变生活方式？多久复查？
如果模型只是标出一个结节，医生可以复核影像。如果模型说“五年后风险较高”，医生需要解释的就不只是影像结果，还有风险模型本身的含义和限度。
这不是单纯的技术升级，而是诊疗沟通难度的上升。
“辅助”两个字，越用越需要说清楚
目前多数公开讨论都强调，AI是辅助，不是替代。中国工程院院士张伯礼在谈到DeepSeek与医疗时也说过，“DeepSeek取代不了医生”。这句话容易获得共识，因为它符合医疗行业最基本的责任结构：最终面对患者、签署意见、承担后果的，仍然是医生。
可在真实流程里，“辅助”并不是一个自动清晰的词。
一种情况是AI给出初筛结果，医生复核后采纳。这比较容易理解。另一种情况是AI提示高风险，医生结合病史和经验认为风险不高，没有采纳。还有一种情况更棘手：医生原本没有发现异常，AI提示后才重新检查并改变判断。
这三种情况里，AI都叫“辅助”，但它参与决策的深度并不一样。
责任问题也因此变得难以回避。医生如果完全照着AI建议走，后来证明误诊，责任是否只在医生？如果医生没有采纳AI提示，后来出现问题，是否会被认为忽视了已有工具？如果医院把AI纳入常规流程，却没有让患者知道诊断建议中包含算法判断，告知是否充分？
这些问题不能靠一句“医生最终负责”全部盖过去。医生负责是医疗体系的基本盘，但AI系统的开发者、医院的采购和管理部门、使用流程的制定者，也都在影响最后的诊疗结果。
医患信任会被拉长
过去患者问医生：“我这个片子有没有问题？”医生需要解释影像和判断。现在患者可能还会追问：“AI为什么标了这里？你为什么不按AI建议做？AI说高风险，是不是更准？”
这会改变医患沟通的重心。
AI在影像、病历、随访中的使用越普遍，患者越需要知道哪些内容来自医生判断，哪些内容来自系统生成。尤其是AI生成的结构化病历、风险提示、随访建议，如果没有清楚标识，后续一旦出现争议，很难追溯当时的判断链条。
医疗不是普通内容推荐。一次误判可能影响检查、用药、手术甚至患者对自身健康的长期认知。透明度在这里不是形式要求，而是信任的一部分。
进医保之后，真正的考题刚开始
AI辅助诊断纳入医保，解决的是“能不能付费、谁来付费”的问题。它会推动医院更积极地使用相关服务，也会让AI从少数试点走向更日常的诊疗场景。
但支付通道打开，并不等于临床边界已经划好。
在影像初筛、病历整理、数据回溯这些环节，AI的价值已经比较清楚：省时间、减负担、提高信息处理效率。到了风险预测、治疗建议、复杂病情判断，它就必须接受更严格的临床验证、流程约束和责任划分。
2026年的医院里，AI还不是主治医生。更准确地说，它正在从后台工具变成前台流程的一部分。医生无法再假装它不存在，患者也会越来越频繁地遇到它。
边界不会靠口号自然形成。每一次AI提示是否被采纳、每一份报告是否标明来源、每一项责任是否能追溯，都会决定它最终是帮医生减负，还是给医患关系增加新的不确定性。