AI影像辅助诊断进入医保支付，听上去是一个支付目录问题，真正被改变的却是影像科的日常。
按原稿设定，2026年7月起，12项AI医学影像辅助诊断项目被纳入基本医疗保险支付范围。这个节点如果落地，AI就不再只是医院自购系统、医生顺手参考的工具。它会进入收费、病历、质控和责任链条，医生也很难再用“只是辅助”一句话把风险挡在门外。
影像AI早就不是新鲜事
AI最早在医院里跑通，医学影像是少数比较成熟的场景之一。
君合律师事务所2023年4月发布的《人工智能与医疗健康产业系列研究之四》提到，医学影像是人工智能在医学诊断中最成熟、发展最快的应用领域之一。文中引用第三方测算称，中国医学人工智能影像诊断市场规模从2020年的3.12亿元增至2021年的5.94亿元、2022年的11.12亿元，2023年预测为20.60亿元。
这组数字说明一件事：影像AI已经从演示系统变成医院采购、厂商销售、监管讨论都绕不开的产品。
放射科医生对它也不陌生。胸部CT、肺结节筛查、眼底影像、骨龄评估等场景里，AI通常先把可疑区域标出来，再把结果推到医生工作站。它像一名不知疲倦的初筛员，可以在大量切片里圈出异常信号。
问题在于，初筛工具和医保支付项目不是一回事。
过去AI判断错了，医生可以说自己只是参考。进入医保支付后，患者付费、医保结算、医院留痕，AI输出就会变成医疗服务的一部分。它不再只停留在屏幕角落，而是进入诊疗流程。
医生不是少看片子，而是要多承担判断
原稿标题里说，医生角色从“筛选”变成“决策”。这个判断可以保留，但需要说得更实在。
AI能替医生减少一部分重复劳动，例如从CT图像中找出可疑结节、标注位置、提示风险等级。真正难的是下一步：这个结节要不要随访？要不要进一步检查？影像表现和患者年龄、病史、症状能不能对上？
这些判断不能交给医保系统，也不能交给厂商模型。
以肺结节为例，AI可以把微小结节圈出来，也可能给出风险提示。但医生面对的不是一个孤立图像，而是一个具体患者。影像报告最后写什么、是否建议复查、是否提示临床进一步处理，都要由医生签字承担。
进入医保后，这个责任会更硬。医生需要回答几个具体问题：
- AI标出的异常，医生是否逐一复核？
- AI没有标出的区域，医生是否仍要完整阅片？
- 医生意见与AI提示不一致，病历里要不要说明理由？
- 患者要求查看AI结果时，医院提供到什么程度？
这些都不是技术发布会上会被重点讲的问题，却是科室每天会碰到的问题。
指引已经在前面，医保会把要求压到流程里
《人民日报》2025年5月30日第19版报道提到，2024年11月，国家卫生健康委联合国家中医药管理局、国家疾控局印发《卫生健康行业人工智能应用场景参考指引》。报道还引用今年《政府工作报告》中的表述：“持续推进‘人工智能+’行动，将数字技术与制造优势、市场优势更好结合起来，支持大模型广泛应用”。
政策口径已经很清楚：医疗AI会继续进入诊前、诊中、诊后场景。
但从“鼓励应用”走到“医保支付”，管理要求会变细。医院不能只问系统准不准，还要问谁使用、谁审核、谁解释、谁担责。
罗兰贝格在《以人为本，人工智能助力医疗体系科学发展》中提出，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有助于医疗服务提质增效、降本增益，并指出医疗专家投入、高质量标准化数据、领先AI技术是医疗AI发展的核心要素。
这段判断放在影像科很贴切。基层医院缺影像医生，AI能帮忙做初筛；大医院病例量大，AI能减轻重复阅片压力。但AI越是进入真实流程，越需要医生、数据和制度一起补上。只买系统，不改流程，风险会留在医生签字那一刻。
最麻烦的是AI和医生意见不一致
医疗AI真正考验医院的地方，不是它和医生判断一致的时候，而是两者不一致的时候。
AI提示“疑似恶性”，医生判断风险不高，患者后来确诊恶性，医生要如何证明当时判断合理？反过来，AI提示高风险，医生采纳后患者接受进一步检查，最终发现良性，患者是否会质疑过度诊断？
这里面有三层关系。
第一层是医生与AI。医生不能把AI输出当成最终诊断，也不能在系统漏报时完全免责。AI越强，医生越需要留下自己的判断依据。
第二层是医生与患者。过去医生主要解释影像所见和医学建议。现在还可能多一个问题：AI为什么这么判断？医生为什么同意或不同意？
第三层是医院与监管。医保支付意味着费用可以被追踪，项目使用频次、适应证、阳性率、复核记录都可能成为审核对象。医院如果把AI筛查当成扩张收入的入口，会很快碰到合规压力。
所以，AI进医保以后，最先需要补的不是宣传材料，而是SOP。
比如，哪些病例必须人工复核，哪些AI结果必须二次确认，哪些分歧需要上级医生签字，哪些内容需要写入报告或病历。这些规则不清楚，最后就会变成一线医生自己扛。
黑盒问题会变成医患沟通问题
影像AI厂商常用准确率、敏感性、特异性来证明产品能力。但在诊室里，医生更需要的是可解释性。
医生不能只拿一个概率值去说服患者。患者也不会因为屏幕上显示“高风险”就天然接受后续检查。医生至少要知道，AI依据的是哪一层图像、哪个区域、哪些影像特征。热力图、关键帧、病灶定位、历史影像对比，这些信息会变得更重要。
这也是伦理问题。
医保支付让AI带有公共服务属性。它不只是医院和厂商之间的采购关系，还涉及患者知情、费用支出和医疗责任。模型如果像黑盒一样运行，医生会被夹在中间：患者问不清，医院追责任，厂商只提供系统说明。
从这个角度看，AI影像产品的竞争，后面不会只比识别能力。谁能把证据链做得更清楚，谁更容易进入医院的正式流程。
医生的价值会被重新标价
AI不会让影像医生消失，但会改变影像医生的时间分配。
过去，医生大量时间花在寻找异常上。AI加入后，部分“找”的工作会被机器分担，医生更重要的工作变成判断异常的意义：是假阳性，还是需要随访；是偶然发现，还是需要临床干预；是单一影像问题，还是要结合病史重新评估。
IQVIA关于人工智能和机器学习引领智慧医疗发展的材料提到，早在2016年和2017年，百度和阿里云就相继推出“医疗大脑”类AI辅助诊断应用；2013年至2017年，国内AI医疗行业获得241笔融资。资本和技术已经推动过一轮热潮，现在更难的部分轮到医院内部完成。
对医院管理者来说，AI进医保后要盯住三件事：
- 费用能不能合规结算；
- 医生复核责任能不能落到流程；
- 患者能不能得到足够清楚的解释。
对医生来说，关键也不是“要不要接受AI”。AI已经在影像科里了。真正的问题是，哪些地方可以信任它，哪些地方必须停下来重新看一遍。
如果2026年7月、12项AI医学影像辅助诊断项目进入医保支付的安排正式执行，影像科最先改变的可能不是诊断速度，而是签字的重量。AI可以先看，医生必须最后负责。这条边界越早写清楚，医院和患者付出的试错成本越低。
