國家出手，影像市場變天

作者 | 于中瑾

來源 | 賽柏藍器械

一張影像通全國？醫學影像市場的新秩序來了。

01

從膠片到云端

醫學影像變局時刻來了

3月31日下午，全國醫保影像AI識圖大賽宣講會（北京站）成功舉辦。全國醫保影像AI識圖大賽由國家醫療保障局、廣西壯族自治區人民政府共同主辦，是全國首個國家級“AI+影像識別”專業賽事。

長期以來，我國醫療行業長期受資源分布不均困擾。基層醫療服務能力薄弱，患者扎堆三甲醫院，異地就醫需要攜帶厚重醫用膠片、跨院反復檢查，海量醫學影像數據分散在全國各地各級醫療機構，造成大量醫療資源浪費，同時也為醫保基金監管帶來了巨大難度。

為實現醫保支付影像檢查數據跨省秒調閱，2024年以來，國家醫保局開始高效推進醫保影像云建設工作，發布統一規范的醫保影像數據索引編碼標準，指導各地將醫保影像索引逐級上傳至國家醫保信息平臺。

賽柏藍器械現場了解到，醫保影像云在全國范圍建設已取得較好成效。

國家醫療保障局大數據中心副主任曹文博介紹，截至3月25日，國家醫保局已累計歸集醫保影像索引3.66億條。同時，國家醫保局今年還啟動“個人醫保云”建設試點，整合了參保人分散在醫療機構、藥店、體檢機構、可穿戴設備等渠道的醫療健康數據。

目前，我國醫保數據覆蓋超13.3億參保人，形成了全球規模最大、體系最完整的單一支付方健康類數據庫。

在國家醫保局的號召下，地方上跟進效率頗高。廣西壯族自治區醫療保障局黨組書記、局長張奕在大會現場介紹，廣西將積極推進成果轉化，將以大賽為契機，加快醫保影像云平臺建設，計劃構建規模達3000萬例的標準化影像數據集，高質量建成不少于5個符合國家醫療數據標準的標注數據集。同時，設立總規模100億元的產業引導基金，對優秀獲獎成果給予經費支持，聯合東盟國家重點醫院、醫學高校共建跨境臨床驗證和示范基地，推動成熟醫學影像設備及AI產品開展試點應用。

中國科學院院士滕皋軍指出，醫保影像云搭建的可信數據空間，實現了醫療數據 “可用不可見”，既打破了醫院間的數據壁壘，又保障了數據安全與隱私合規。以江蘇省為例，當地已實現省級醫學影像數據連通，打破近千個數據庫孤島，為全國醫保影像云建設提供了基層實踐模板，從根源上解決了數據流通難題，讓影像數據從 “醫院私有” 變為 “行業公有”。

在云端覆蓋下，實體膠片時代正在退場。2024年年底，國家醫保局發布《放射檢查類醫療服務價格項目立項指南（試行）》，將實體膠片從價格項目構成中剝離，將數字影像處理、上傳與云存儲納入放射檢查的價格構成，即在醫院提供每次影像服務收入確定的前提下（如普通CT每次收費約300元），將其中的膠片成本由約15元的傳統膠片替換成5元錢的云影像。

2025年4月，國家醫保局印發《關于開展醫保影像云索引上傳試點工作的通知》及國家標準的《“醫保影像云索引”方案》，為每一份影像賦予唯一、可追溯的“電子身份證”，數據匹配難題被徹底解決。

在醫保支付端和技術端的推動之下，數據孤島不斷被打破，醫保云影像正在深刻影響醫療行業整體運行邏輯，同時，醫學影像服務模式也在面臨新一輪的革新。

02

醫保影像云商業化落地

仍需更多制度化保障

技術設計已準備就緒，但制度保障仍有諸多待完善的空間。醫保影像云想真正實現商業化落地，在收費機制、責任歸屬以及質量標準化等方面，還需更多制度創新。

目前，醫療AI產品尚無醫保收費條目，醫院采購動力不足，企業研發投入難以回收，成為行業最大堵點。現場專家呼吁，希望國家能盡快明確AI輔助診斷的收費標準，讓企業敢于投入，讓醫院愿意購買，讓老百姓放心使用。

數坤科技CTO鄭超表示，可以借鑒國外的一些先進模式。如英國 NICE 模式，推行價值付費替代傳統項目付費，允許創新 AI 產品先行試用、邊應用邊迭代，將技術價值與醫保支付掛鉤。

此外，AI并不能保證結果百分之百準確，一旦出現假陽性、假陰性等問題，責任該如何界定區分？現場多位專家建議，可以引入商業保險作為緩沖，如果AI出錯，保險可以給患者一個綠色通道或額外體檢，既保障了患者權益，也減輕了醫生和企業的顧慮。

03

AI不是替代者，而是解放者

AI在醫學影像領域的應用由來已久，但二者的深度融合，直到近兩年才真正進入實質階段，醫保云影像的頂層設計，為智慧醫學影像的發展徹底打開了新時代的大門。

在影像質量與結果互認層面，醫保云影像解決了跨區域影像質量參差不齊、結果不互認的行業頑疾，同時，人工智能也賦能解決跨區域影像調閱時的質控問題。

上海聯影智能CTO董昢在采訪中表示，基層醫院影像拍攝質量與三甲醫院存在差距，是結果互認的最大障礙，而AI實時質控技術可在檢查環節自動識別異物、拍攝不規范等問題，提前提示重拍，持續提升基層影像水平，逐步實現上級醫院對基層檢查結果的認可。這一技術讓 “從下往上” 的影像互通成為可能，避免患者扎堆頭部醫院檢查。

在臨床診斷賦能方面，AI醫學影像正在加速解放醫生“生產力”。對頂尖放射科醫生，AI可快速定位病灶，從海量影像中篩選關鍵信息，大幅提升閱片效率；對低年資與基層醫生，AI將三甲醫院的診斷經驗模型化、標準化，縮短學習周期，彌補基層醫療能力短板。

現場專家表示，AI與影像的結合，并不是要取代醫生，也絕不會取代醫生，核心作用是賦能和減負。

阿里巴巴達摩院醫療AI實驗室副總經理王桐指出，AI在醫療領域的核心價值主要體現在兩個維度：一是“減負”，即通過自動化處理影像讀片等高重復性工作，大幅提升基礎效率；二是“突破”，即利用先進模型超越人類生理極限，捕捉肉眼難以察覺的細微病灶線索，從而實現對患者潛在健康風險的主動預警與早期發現。

針對我國醫療資源分布不均的現狀，王桐強調，優質AI模型能夠作為一種“技術杠桿”直接賦能基層醫療機構。它不僅能大幅縮短基層醫生的學習曲線，更能快速拉升整體診療水平，讓優質醫療資源觸手可及。他重申，AI的定位絕非替代醫生，而是將醫生從繁雜的事務性工作中解放出來，使其能將核心精力聚焦于醫患溝通、復雜病情研判等更能體現醫學人文與專業價值的領域。

北京醫院醫學影像中心主任陳敏對此深有同感：“我們放射科醫生每天從早到晚‘看圖說話’，一天要看100多個患者，根本沒有時間跟患者溝通。如果AI能幫我們分擔繁瑣的篩查工作，我們就能走出報告室，走到患者面前，告訴他們這份報告到底意味著什么。這，才是醫療本該有的溫度。”

按照國家要求，醫保影像云工程將于2027年底前全面建成，最終實現全國醫保影像云 “一張網”。屆時，醫學影像健康數據共享的“最后一公里”將被徹底打通，與之相關的智慧醫療產業，也將迎來新的周期。

內容溝通：微信 nrzx0321