2026年4月1日，AI辅助诊断服务被纳入国家医保乙类目录。到5月25日，长江证券研报提到，国家医保局已将12项AI辅助诊断项目纳入全国统一医保乙类目录，医保基金支付比例为70%-85%，全国837家三甲医院同步落地实施。
这一步改的，是医疗AI过去最卡的一环：收费。
在此之前，很多AI辅助诊断产品已经进了放射、病理、检验等科室，但位置很尴尬。医院可以用，却不好单独收费；患者若要自费，又很难形成稳定需求。于是，项目常常停在试点、科研合作或一次性采购上，离常规医疗服务还有一段距离。
放射科的画面最直观。医生看CT影像时，屏幕一侧是原始切片，另一侧可能是AI标注出的结节位置、大小、密度分级和三维重建模型。工具已经摆在工作台上，但过去很长时间，谁为这部分服务付费，并没有清晰答案。
医保乙类目录给了一个制度入口。它让AI辅助诊断不再只是“医院愿不愿意试”的问题，而开始进入价格、支付、采购和绩效核算的框架里。
收费通道打开，采购还要过科室这一关
能收费，不等于医院就会马上买。
对医院来说，引入AI辅助诊断不是装一个软件。它要接入HIS、PACS等原有系统，要处理影像、检验、病理等数据流，还要让医生在原有工作节奏里用得起来。
如果一个系统让医生多开窗口、多点鼠标，提示结果还不稳定，科室很快会把它视为负担。医疗场景里，演示效果和日常使用之间往往隔着大量细节：读片顺序、报告模板、异常结果复核、医生交接、质控留痕，都可能影响产品能否真正落地。
《卫生健康行业人工智能应用场景参考指引》明确了84个AI医疗细分应用场景。相关政策还允许在放射检查、超声检查、康复类项目中设立“人工智能辅助”扩展项。这些安排给企业留出了进入医疗服务价格体系的空间，但空间并不自动变成订单。
医院最终会看一笔更现实的账：AI能不能缩短阅片时间，能不能帮助医生更稳定地发现疑似病灶，能不能减少重复劳动。尤其在DRG/DIP支付方式改革下，一项新工具如果不能改善科室运营，只靠“技术先进”很难长期留在采购清单上。
还有一句话必须摆在前面：AI辅助诊断不能替医生签字。
诊断报告、治疗建议和医疗责任，仍由医生和医疗机构承担。AI给出的只是提示和辅助判断。企业如果把产品说成“自动诊断”，医院反而会更谨慎，因为这会把责任边界推向更敏感的位置。
医疗AI不是普通软件
2022年3月，国家药监局发布《人工智能医疗器械注册审查指导原则》。其中定义，人工智能医疗器械是指基于“医疗器械数据”，采用人工智能技术实现预期医疗用途的医疗器械。
这里的医疗器械数据，包括医学影像设备产生的X射线、CT、MRI、超声、内窥镜、光学等图像，也包括医用电子设备产生的心电、脑电等生理参数数据。
这一定义说明，只要AI进入诊断链条，就不能按普通软件来理解。注册审查、数据安全、临床使用规范，都会成为产品进入医院前必须回答的问题。
目前更成熟的应用，仍集中在医学影像相关场景，比如肺结节筛查、骨折检测、眼底病变识别等。这些场景的数据形态相对标准，标注和验证路径也比较清楚。越往复杂病例、多模态数据分析、罕见病识别走，模型要面对的临床环境就越复杂。
医院担心的也不只是准确率。
医疗数据涉及患者隐私。模型训练、部署、调用过程中，数据如何存储，权限如何管理，日志能否追溯，都会影响采购判断。对AI企业来说，本地化部署、数据加密、权限管理，已经不是锦上添花，而是进入医院系统的基本门槛。
责任划分更棘手。假如AI给出错误提示，医生采信后出现误诊或漏诊，责任由谁承担？现阶段，医疗机构通常仍是患者诊疗责任的主体。也正因此，医院不会只看模型指标，还会看企业资质、产品稳定性、注册证情况和售后响应能力。
2000亿元预期里，能留下的不多
长江证券在研报中预测，到2030年，中国医疗AI市场规模有望超过2000亿元。医保支付路径变清楚后，市场想象空间重新打开，但竞争也会变得更硬。
第一道门槛是数据和临床积累。
AI辅助诊断产品不是套一个通用算法就能跑通。它需要高质量标注数据，也需要长期贴近临床流程。放射科医生怎么读片，病理科怎么复核，检验科怎么处理异常结果，这些具体场景决定了产品能不能被每天使用。
第二道门槛是合规能力。
进入医保支付体系后，医院采购会更在意可审计、可追溯、可解释。产品不仅要能跑，还要经得起监管、质控和医疗纠纷场景下的追问。
第三道门槛是商业模式。
过去，一些医疗AI项目靠试点、科研合作、一次性License销售推进。医保支付建立后，医院更容易把AI辅助诊断纳入常规成本核算，也会更直接地问：这套系统到底带来了什么可验证的价值？
如果只是多一个界面、多一份提示，续费不会稳。
企业接下来要卖的，不能只是算法。订阅制、按服务量付费、与设备厂商打包、嵌入CT或MRI等硬件系统，都可能出现。但无论采用哪种方式，问题都绕不开：医生愿不愿意天天用，医院愿不愿意持续付费。
真正的考验在医保之后
AI辅助诊断纳入医保，解决的是“能不能收费”的问题，还没有解决“值不值得长期付费”的问题。
一个放射科系统，不能只在发布会上展示识别结节。它要在高负荷阅片中减少漏看、误看和重复劳动。一个病理辅助工具，也不能只拿出漂亮的模型指标。它要适应不同医院、不同样本质量和不同医生习惯。
医保基金也不会无限为新技术买单。AI如果声称能提高效率、节约成本，就要在真实临床流程里证明，它不是增加检查项目和付费项目，而是让医疗服务更稳定、更顺畅。
罗兰贝格在《以人为本，人工智能助力医疗体系科学发展》中提到，中国医疗健康行业的核心痛点在于供给与需求之间的不匹配。AI可以在诊前、诊中、诊后环节提升服务质量、改善患者体验、节约医疗成本。前提是医疗专家持续参与、高质量标准化数据积累，以及技术真正嵌入临床工作。
这也是2026年这次医保目录调整最值得关注的地方。医疗AI从试点走向常规服务，门槛没有降低，反而更清楚了：系统要接得上，流程要跑得顺，责任边界要讲得明白。
837家三甲医院同步落地实施之后，企业面对的不再只是概念验证，而是日复一日的临床使用。医疗AI能不能留下来，要看医院的账本，也要看医生的工作台。
