放射科医生现在面对的屏幕，和几年前不太一样。
一边是原始CT影像，一边是系统自动圈出的结节位置、大小、密度分级。有些AI辅助诊断软件还能给出三维重建模型。医生不用从零开始在一层层影像里找可疑点，但最后写在报告上的判断，仍然要由人承担。
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。这个消息在医疗AI行业里引起了很大反应。原因也很直接：在此之前，AI辅助诊断常遇到收费尴尬——没有清晰收费编码，也缺少稳定的医保支付通道。医院要用，常见做法是把它当成检查项目的附加能力，或者让患者自费。
现在身份变了。但医院能不能多收钱，AI企业能不能因此拿到稳定回款，还得看价格项目怎么落地。
“进医保”先别急着理解成新增收费
ByDrug查询多地放射检查类医疗服务价格项目后提到，上海去年发布的《放射检查类医疗服务价格项目》中，X线摄影成像（乳腺）三级医院定价85元，属于医保甲类支付项目；它的扩展项“人工智能辅助诊断”同样定价85元，也执行医保甲类支付政策。
这组信息很关键。
如果按这个口径理解，患者没有因为使用AI辅助诊断额外多付一笔钱，医院也没有凭空多出一项收入。AI被放进既有放射检查的扩展项里，更像是在医疗服务价格体系中给它一个位置，而不是单独开出一个新的收费口。
这也是行业容易误读的地方。医保接纳AI辅助诊断，确实代表政策认可，但认可不等于商业闭环已经跑通。对医院来说，采购一个AI系统，仍然要算它能不能嵌进流程、医生愿不愿意用、能否减少重复劳动，以及后续维护成本是否可控。
对企业来说，过去那种“进医保就有支付入口”的说法也要收一收。至少从上海这个价格项目看，AI辅助诊断未必直接带来新增收入。
影像科最先被推到台前
AI辅助诊断最容易落到影像科，不难理解。
CT、X线、乳腺摄影这些检查，本来就围绕图像展开。AI系统擅长做的事，也正是初筛、标注、测量和提示。公开资料里提到的典型场景，就是系统在CT影像上自动标出结节位置、大小、密度分级，并生成三维重建模型。
它不是替医生下诊断，更像是先把容易耗时间的部分做一遍。
影像医生每天要看大量片子。小结节、微小病灶、边界不清的影像特征，都需要长时间盯屏和反复比对。AI先把可疑区域圈出来，医生再结合病史、检查目的和其他影像表现判断，工作流会发生变化。
但变化不只带来效率。
如果医生越来越习惯先看AI标注，再回头看原始影像，判断顺序也会被改写。系统提示可能帮助医生更快锁定异常区域，也可能让注意力被提前分配。遇到复杂病例、罕见病，或者解剖结构变异，AI给出的框和提示不能被当成结论。
影像科真正要处理的，不是“要不要用AI”这么简单，而是用到什么程度。
责任边界比采购合同更难写
医疗AI的争议，通常不来自“完全没用”。麻烦在于，它在很多常规场景里表现稳定，却可能在少数边界场景里出错。
21经济网关于广东医疗大模型的报道提到，一季度金域医学营收13.51亿元，同比增长254%，正在推进“AI IN ALL”战略；迈瑞医疗营收83.52亿元，同比增长1.39%，环比增长12.13%，目前正打造“启元生态”，依托医疗领域AI大模型延展服务能力。
这些动作说明，AI已经不只是医院里某个科室的单点工具。它正在进入检查、检验、设备、服务等更长的业务链条。
嵌得越深，责任问题越绕不开。
AI提示错了，医生采信后出现误诊，责任怎么划分？医生没有采信AI提示，后来发现漏诊，又该如何评价？系统给出的结果能不能进入正式报告？哪些只能作为内部参考？
这些问题如果不提前写进流程，风险会被效率掩盖。表面上看，报告生成更快了、标注更清楚了；但医生是否过度依赖提示，年轻医生是否减少了独立阅片训练，报告是否变得模板化，都需要科室自己盯住。
在影像科，AI更合适的位置仍然是“第二双眼睛”。它可以提醒医生注意某个可疑区域，但不能替医生承担最后诊断。
医院仍然有使用动力，原因是工作量
即便医保支付没有马上变成新增收入，医院也不会因此放弃AI辅助诊断。影像检查需求摆在那里。
科亚医疗招股书数据显示，中国CTA手术数量从2015年的3.6百万例增加至2020年的6.2百万例，复合年增长率为11.7%；估计到2030年将进一步增至22.2百万例，2020年至2030年的复合年增长率为13.6%。
检查量增长，医生培养却不可能同步加速。三甲医院影像科尤其明显：片子越来越多，报告时限不能无限拉长，质控要求还在提高。
AI能提供的价值，未必体现在“多收一项费用”上，而是在更细的位置上：帮医生缩短查找病灶的时间，辅助生成结构化报告，减少重复测量，提高随访对比效率。
这些变化不一定直接写进收入表，却会影响一个科室每天怎么运转。
医院也会因此更挑剔。系统能不能接入PACS，能不能适配现有检查流程，医生实际使用频率高不高，模型更新和维护谁负责，都会成为采购时必须回答的问题。
概念很难再单独打动医院。尤其当医保支付没有把AI自然变成利润中心时，医院更会把它当作流程工具来评估，而不是当作新收入项目来期待。
真正的门槛在日常使用里
AI辅助诊断进入医保，最大的变化是身份被确认。医疗服务价格和医保支付体系开始承认，它可以出现在临床流程中。
但从上海等地价格项目看，这个身份仍然克制。AI被放进放射检查扩展项，重点更像是规范使用和支付边界。患者不一定多付钱，医院不一定多收钱，企业也不能简单把它理解成新的收费入口。
接下来要看的，是医院内部怎么把AI管起来。
医生要保留最终判断，科室要建立复核和质控规则，企业要说清楚模型适用范围和错误边界。哪些病种适合用，哪些场景只能参考，哪些结果能进入报告，都不能只靠一句“智能辅助”带过。
屏幕上的绿色标注框，确实能让医生少走一些弯路。
但在诊断这件事上，它最多是提示，不该成为医生停止判断的理由。
