“从上班就开始‘看图说话’，一坐就是一天，有时候连喝水都顾不上。”北京某三甲医院影像科的阅片室内，一位副主任医师向记者感慨。
这是当下医学影像诊断领域真实情况的缩影——海量影像数据积压、医生工作负荷繁重、专业人才供给紧张。而AI技术的深度渗透，正为这一行业痛点带来一场变革。
《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》明确提出，到2030年，基层诊疗智能辅助应用基本实现全覆盖，推动实现二级以上医院普遍开展医学影像智能辅助诊断、临床诊疗智能辅助决策等人工智能技术应用。
政策蓝图已然绘就，AI医学影像的发展现状、临床价值、市场潜力与破局路径，成为行业关注的核心焦点。
价值落地：重构诊疗场景
医学影像（X光、CT、MRI、超声等）是医生诊断疾病的重要依据。近年来，AI技术与医学影像加速融合，成为人工智能在医疗领域最早落地、最成熟的场景之一。
那么，医学影像遇上AI，会擦出怎样的火花？
对顶尖医院的专家来说，AI的核心价值是把医生从重复劳动中解放出来。AI凭借强大的图像识别与数据分析能力，弥补人眼判读局限，成为医生诊断的得力助手，在病灶筛查、疾病鉴别、急症救治等多个临床场景中发挥关键作用。比如，在肺部CT筛查中，AI可快速扫描海量影像切片，精准捕捉3毫米以下微小结节，区分结节性质与风险等级，及时发现极易被肉眼忽略的早期肺癌病灶，筑牢癌症早筛防线。
对基层医疗机构而言，AI的价值更侧重于“能力下沉”与“质量提升”。
数坤科技股份有限公司首席技术官郑超对《证券日报》记者表示：“我们与头部三甲医院专家联合训练模型，在持续临床验证和打磨后，再将相关能力向基层场景延伸，相当于为基层医生配备‘三甲医生助手’。”
北京医院医学影像中心主任、中华医学会放射学分会主任委员陈敏告诉《证券日报》记者，AI能有效降低基层误诊漏诊率，推动常见病就近诊治，缓解患者向三甲医院集中的压力。
随着临床需求释放，AI医学影像行业市场规模高速增长。从市场格局来看，目前已有多家龙头企业布局AI医学影像领域，形成多元化竞争态势。
阿里巴巴达摩院发布“一扫多筛”技术：单次低剂量胸部CT，即可同步排查急症、评估肿瘤风险，并筛查脂肪肝、肌少症等慢性病。阿里巴巴达摩院医疗AI实验室商务合作副总经理王桐对《证券日报》记者表示，这突破了“一个检查对应一个结果”的老模式，用更便捷、更普惠的方式实现早期风险预警。
科大讯飞股份有限公司副总裁、讯飞医疗科技股份有限公司执行总裁鹿晓亮对《证券日报》记者透露：“本公司基于多模态大模型的AI系统，在报告生成环节医生接受率已达70%；在医保监管中，重复检查识别准确率超过95%，性别年龄核验准确率超过98%。这意味着AI不仅能辅助看病，还能帮医保基金‘省钱’。”
底座筑牢：破解数据难题
临床价值日益清晰，但AI医学影像要真正实现规模化落地，还面临一个根本性难题——全国统一数据库尚未建成。没有高质量、大规模、可互通的数据为基础，再聪明的算法也寸步难行。
中国科学院院士滕皋军在接受《证券日报》记者采访时表示，医疗数据方面长期存在两大难题：一是“物理孤岛”——各家医院数据不互通；二是“隐私安全顾虑”——医院之间不敢共享数据。在A医院训练出来的AI模型，到了B医院就“水土不服”，难以泛化应用。
清华大学助理研究员李淼对《证券日报》记者表示，相关企业推广AI产品往往只能一家家医院去谈，成本高、难度大。
国家医疗保障局主导的“医保影像云”平台建设，正试图系统性破解这一难题。其目标不仅是存储，更是构建一个连接全国、标准统一、安全可信的数据流通与计算平台。
国家医疗保障局大数据中心副主任曹文博表示，近年来医保部门在数据基础能力建设上持续发力，建成全国统一医保信息平台，推动医保影像云在全国范围建设取得较好成效。
截至3月25日，国家医疗保障局已累计归集医保影像索引3.66亿条。同时，国家医疗保障局今年还启动“个人医保云”建设试点，整合了参保人分散在医疗机构、药店、体检机构、可穿戴设备等渠道的医疗健康数据。
滕皋军介绍，江苏的实践初见成效。江苏省卫生健康云影像平台已接入近2000家医疗机构，完成1.8亿例影像存储，实现了4962万例跨院影像调阅。这为AI大模型的训练与部署提供了前所未有的“数据底座”。
然而，仅有连接还不够，安全与信任是流通的前提。滕皋军认为，“可信数据空间”是破题关键。它如同一个“医疗数据的保险箱”，通过“数据不动模型动”等技术，实现数据在共享流通中的全程可控、可审计，从根本上打消医疗机构“不敢共享”的顾虑。
与此同时，数据标准化的工程同步推进。陈敏对记者表示，国内影像检查长期缺乏统一规范，直接影响诊断一致性与结果互认。
为此，中华医学会放射学分会正牵头制定覆盖图像采集、质量、诊断三大环节的全国统一标准。陈敏强调，这是实现“一地检查、全国认可”、减少重复检查、降低医保支出的基础，也是医保影像云发挥监管与健康管理功能的前提。
联影智能医疗科技（北京）有限公司CEO董昢也对《证券日报》记者表示，可以通过AI质控统一规范基层影像拍摄与基础诊断标准，夯实跨机构影像互认基础，推动上级医院采信基层检查结果；依托医保影像云实现全域影像互联互通，支撑分级诊疗落地、减少重复检查、严控医保基金不合理支出。
基础设施的重构，正在改变整个产业的“游戏规则”。企业可以通过接入省级或国家级平台，快速接触到海量医疗机构。
李淼认为，这虽然为企业推广产品提供了便利，但对其技术实力也提出更高要求，因为竞争将在更公开、更统一的平台上进行。医保影像云不仅是一个数据平台，更是一个重新定义产业价值链、驱动数据要素价值释放的核心引擎。
破局闯关：谁来买单、责任谁担
数据底座日趋坚实，技术路径逐渐清晰，但AI医学影像要真正跑通商业闭环，实现规模化、可持续发展，仍需突破支付机制与责任界定两大“关卡”。
多位受访专家对《证券日报》记者表示，唯有破解“谁来买单、责任谁担”的难题，才能推动产业真正迎来商业化拐点。
郑超直言，当前，医保付费准入仍是AI医学影像商业化的核心痛点之一。产品从拿证到销售周期较长、投入较大，而医院采购AI更多仍依赖自筹预算。目前，AI相关收费大多尚未纳入医保支付，商业化推广仍面临一定压力。
此外，多位受访专家表示，未来的方向应从“按项目付费”转向“按价值付费”。郑超呼吁借鉴国际经验，探索类似英国NICE“创新技术早期价值评估”（earlyvalueassessment）的机制，让创新产品更早落地真实世界，并持续验证其临床与卫生经济学价值。
王桐也提出，需建立一套新的评估体系，在进行敏感性、特异性等评估的同时，衡量AI在提前干预、提高生存率、节约总医疗费用等方面的真实价值，并在此基础上设计支付试点。
法律责任与伦理边界，也是行业发展需要解决的重要课题。一旦AI辅助诊断出现疏漏，责任该如何界定？
《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》的政策解读也明确，统筹高水平安全和高质量发展，坚持人工智能赋能而不替代的定位，创新监管方式，实施分类管理，强化数据安全和个人隐私保护，确保安全、可靠、可控。
郑超认为，从医疗伦理和责任边界看，AI应定位于辅助角色，最终诊断仍应由医生负责。但当前行业在医生使用AI的人机协同认证、绩效考核等方面，仍缺乏统一标准。未来，需进一步明确“人机协同”场景下的责任边界、使用规范与激励机制，坚守“人为诊断最终负责”的底线，同时完善相关考核与认证体系。
真正的破局有赖于各方的深度联动与制度创新。多位受访专家一致认为，医保端不仅是支付方，更应作为数据平台建设者与产业引导者，通过构建数据集、设立产业基金、探索创新支付，引导资源投向真正创造临床价值的方向。
未来，随着可信数据空间全面落地、医保支付机制持续完善、商业创新模式不断涌现，医疗影像与AI的融合将进一步深化，让更多患者受益，为提升全民健康水平、发展新质生产力、建设健康中国贡献行业力量。
正规股票配资平台提示：文章来自网络，不代表本站观点。
