2026年4月1日，是医疗AI商业化绕不过去的一个时间点。
据相关报道，AI辅助诊断服务自这一天起正式纳入国家医保乙类目录。对医院来说，这件事的含义很具体：放射科医生看CT影像时，屏幕另一侧由AI标注出的结节位置、大小、密度分级和三维重建模型，不再只是“附赠功能”，而开始有了医保支付口径。
过去几年，AI影像产品在基层医院并不罕见，但常常卡在最后一步。技术能用，医生也知道它能节省时间，可医院很难单独收费。若把AI作为检查项目的附带服务，软件授权、部署和维护成本没人买单；若让患者自费，在医保控费环境下接受度又有限。结果就是，很多项目停在试用、演示或科室自发使用阶段。
这次变化，把问题从“有没有技术”推进到“能不能合规收费”。对县级医院尤其如此。基层不是不需要AI，恰恰相反，影像医生不足、疑难病例识别压力大、上级医院复核资源有限，都是现实问题。但县医院采购一套AI系统，院长和医保办首先看的不是宣传页上的准确率，而是三件事：有没有合规资质，能不能进收费流程，会不会在医保审核时留下风险。
DRG之后，AI要先算得过账
DRG、DIP支付改革改变了医院的账本。
在按项目付费时代，多做检查往往意味着更多收入。进入按疾病诊断相关分组或按病种分值付费之后，医院更关心的是一次住院总成本能不能控制住。检查费用、耗材费用、住院天数，都会挤压科室空间。
这也是AI影像辅助诊断重新被重视的原因。它不只是一个“读片更快”的工具，而可能影响诊疗链条的前端效率。
央视网转引《经济日报》2026年3月报道提到，在西安市北方医院，AI可将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；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。
这些场景放到县级医院，会变得更直白：夜间急诊没有足够有经验的影像医生，肺结节、脑卒中、主动脉夹层等高风险影像需要更快提示；普通医生不一定完全依赖AI结论，但希望系统先把疑点圈出来。
不过，账本仍然要算清。
AI如果只是叠加在原有检查流程上，医院会问：这笔费用从哪里出？能否对应医保目录？是单独收费，还是打包进影像检查？如果地方执行细则不明确，科室通常会选择保守做法——先用，但不单列收费；或者干脆等政策口径更清楚再采购。
医保乙类目录打开了门，但真正走到医院收费窗口，还要经过地方细则、医院信息系统、医保结算规则等环节。对厂商来说，卖点不能只停留在“算法领先”，还要能回答医保办和信息科的问题。
三类证不只是投标材料
县级医院采购AI影像系统，合规文件往往比演示效果更早进入评审表。
国家卫健委等五部门在2025年11月发布《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》。文件提出，深化人工智能在基层应用、临床诊疗、患者服务、中医药、公共卫生、科研教学、行业治理、健康产业等8个方向24项重点应用，并强调要强化基础设施建设、丰富医疗数据供给、优化算力算法、加强中试基地建设和标准支撑。
医学影像智能诊断、基层智能辅助应用，都在政策鼓励的方向里。但鼓励应用，并不等于放松监管。
对进入临床诊疗流程的AI软件，医疗器械注册证是医院判断风险的重要依据。尤其是影像辅助诊断类产品，如果涉及疾病提示、病灶识别、报告辅助生成，采购方通常会重点核验注册证适用范围、适配病种、版本信息和部署方式。
这也是很多基层医院的现实顾虑：如果系统没有对应资质，医生参考了AI提示，一旦出现争议，责任如何划分？AI结论是“辅助意见”，还是已经影响诊断？报告中能不能体现AI参与？这些问题不解决，设备科、医务科和法务都会谨慎。
所以，所谓“三类证门槛”，并不只是投标时多放一页证书。它关系到产品能否进入院内临床路径，能否被医生写进工作流，也关系到医院在医疗纠纷中能否说明采购和使用过程合规。
基层更需要“AI初筛+医生复核”
AI进基层，最容易被误解成“替代医生”。实际落地中，更可行的方式是让AI先筛一遍，再由医生或上级专家复核。
新华网2026年1月报道提到，以医学影像为例，借助AI大模型对患者检查影像进行智能分析、生成初步诊断报告，已成为提升诊断效率、促进优质医疗资源下沉的重要技术路径。报道还提到，一脉阳光集团等第三方医学影像服务机构，正在探索从数据、技术到服务协同的基层应用模式。
这类模式对县域医疗有实际意义。县医院并不一定缺CT、DR等设备，缺的是稳定的高水平读片能力，尤其是复杂病例和夜间急诊。区域影像中心、远程会诊和AI预处理结合起来，可以把基层影像先结构化、标注疑点，再交给医生判断。
这里的关键不是让AI出最终诊断，而是减少医生在低价值环节上的时间消耗。例如，肺结节筛查中先完成疑似病灶定位；骨科、卒中等场景中先给出可疑区域提示；报告环节提供结构化字段，医生再结合病史、体征和其他检查结果修改确认。
这比单纯把一个算法装进医院服务器更接近真实需求。
真正难的是接进医院日常
AI影像产品进院后，常见问题不是“模型会不会跑”，而是“医生愿不愿意每天打开”。
县级医院的PACS、HIS、LIS系统来源复杂，接口标准不一。一个AI系统要嵌入医生工作站，通常要和影像归档、报告模板、账号权限、医保结算等多个系统打通。只要多一次登录、多一次复制粘贴，医生使用频率就会下降。
这也是为什么基层采购更看重交付能力。厂商如果只提供单点软件，医院还要自己协调信息科、PACS服务商、医保接口和科室流程，项目很容易拖成“能演示、难上线”。
更实用的产品形态，是直接嵌入影像医生原有工作站：打开片子时同步显示AI标注，报告生成时自动带出结构化描述，医生可以一键采纳、修改或删除。AI提示必须可追溯，报告责任仍由医生承担。
收费侧也一样。医保乙类目录确定的是方向，医院还需要把服务项目、收费编码、病种支付规则和院内财务流程串起来。对县级医院来说，一个AI项目能不能长期运行，最后往往取决于它是否能同时说服放射科、医务科、医保办和信息科。
厂商的竞争点变了
医疗AI早期比拼的是算法效果和论文表现。到了县级医院，竞争点变得更琐碎，也更现实。
第一，产品要有清晰的合规边界。哪些病种能辅助诊断，哪些场景只能提示风险，报告中如何表述AI参与，都要说清楚。
第二，要能适应DRG、DIP下的医院成本逻辑。AI不能只增加一项费用，还要证明它能节省医生时间、减少重复检查、提升疑难病例识别效率，至少不能让科室在支付改革下更难做账。
第三，交付要贴近日常工作流。基层医院不缺试点，缺的是能稳定运行、医生持续使用、医保收费不踩线的系统。
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将赋能医疗服务提供方诊前、诊中、诊后全流程，促进医疗服务提质增效。放到县级医院，这句话可以翻译得更朴素：好医生不够、病例不少、支付变严，AI只有嵌进现有流程，才可能从采购清单变成临床工具。
2026年以后，AI辅助诊断进入医保支付通道，确实给行业打开了新空间。但县级医院不会因为“AI”两个字就买单。证照、收费、接口、责任、医生习惯，任何一环没接上，项目都可能停在试用期。
基层医疗需要AI，但更需要能落地、能解释、能结算的AI。
