AI醫(yī)療已經(jīng)成為近幾年最受關注的賽道之一。從影像識別到輔助診斷，從智能隨訪到醫(yī)療大模型，AI正以前所未有的速度嵌入從三甲醫(yī)院到基層中心的各個層級。

然而，一個值得關注的現(xiàn)象正在顯現(xiàn)：盡管 AI 醫(yī)療的部署范圍持續(xù)擴大，其應用更多體現(xiàn)在醫(yī)院局部效率與流程優(yōu)化層面，而對醫(yī)療體系中一些長期存在、由結構性因素決定的問題，并未產(chǎn)生方向性的改變。這包括：高水平臨床醫(yī)生的供給依然受限于培養(yǎng)周期與制度安排；優(yōu)質(zhì)醫(yī)療資源仍高度集中于大型醫(yī)院，基層醫(yī)療能力建設進展緩慢；慢性病負擔持續(xù)上升，醫(yī)保支付體系面臨的成本壓力等并未因 AI 的引入而出現(xiàn)明顯拐點。

我們對國內(nèi)30多家AI醫(yī)療企業(yè)運營模式的調(diào)研顯示，其商業(yè)化的主流路徑呈現(xiàn)出高度收斂的特征：AI并未發(fā)展為獨立的醫(yī)療服務提供者，而是作為技術增強工具嵌入醫(yī)院既有體系。商業(yè)目標更多聚焦于幫助醫(yī)院實現(xiàn)流程提效、成本控制與合規(guī)管理，同時在研發(fā)與產(chǎn)品迭代上高度依賴于醫(yī)院數(shù)據(jù)與應用反饋?？傊?，其商業(yè)實現(xiàn)方式與醫(yī)院的采購機制、運行效率以及風險控制邏輯深度綁定。

一、醫(yī)院中心型模式的三重困境

第一，責任與收益錯位：AI企業(yè)參與決策，卻不對健康結果承擔責任。

在現(xiàn)有體系中，絕大多數(shù)AI醫(yī)療產(chǎn)品及其開發(fā)企業(yè)都會強調(diào)“系統(tǒng)僅作為輔助工具，最終診斷責任由醫(yī)生承擔”。這一表述在法律與倫理上具有合理性，但同時也是一種明確的商業(yè)與制度選擇：通過將自身定位為工具提供者，AI 醫(yī)療企業(yè)得以深度介入診療決策，卻對健康結果不承擔責任。

在這種結構下，AI可以通過算法輸出影響診療路徑、資源配置和臨床判斷，而由此產(chǎn)生的健康結果風險，則主要由醫(yī)生與醫(yī)療機構承擔；與之相對，軟件授權費、服務費以及數(shù)據(jù)積累所帶來的長期模型價值，則主要由 AI 企業(yè)獲取。由此，逐漸形成責任與收益的錯位：參與決策的一方不承擔健康結果風險，而承擔風險的一方卻難以對技術的設計、演進和使用方式擁有實質(zhì)性控制權。

這種錯位的結果是：AI企業(yè)的商業(yè)回報與誤診率、并發(fā)癥率、再入院率等健康結果指標脫鉤，而更多綁定于效率與合規(guī)指標，如閱片速度、醫(yī)生時間節(jié)省或病歷規(guī)范程度，成為“流程提效與合規(guī)工具”。這些指標本身固然重要，卻系統(tǒng)性地回避了醫(yī)療體系的核心問題：患者的健康結果是否因此真正改善？

當商業(yè)回報與健康結果無關，AI醫(yī)療企業(yè)的理性選擇，便是持續(xù)向“低風險、低責任、易復制”的方向收縮，而非主動承擔更復雜、更長期的健康結果改善任務。

第二，醫(yī)院并非“健康結果”的最佳承載主體。

這一問題相對隱蔽，卻同樣關鍵。現(xiàn)行醫(yī)療制度主要將醫(yī)院的責任邊界限定在單次診療行為之內(nèi)，而非個體的長期健康軌跡。事實上，多數(shù)健康結果的形成，恰恰發(fā)生在醫(yī)院之外，且往往不受醫(yī)院直接控制。慢性病控制高度依賴于長期生活方式管理，并發(fā)癥多發(fā)生于出院之后，疾病復發(fā)與患者依從性密切相關，老齡化相關健康問題更是一項跨時間、跨場景的系統(tǒng)工程。

在這一制度框架下，醫(yī)院的激勵機制天然偏向當下診療效率，而非長期健康結果改善：一方面，醫(yī)院難以對患者出院后的健康行為進行持續(xù)、系統(tǒng)性干預；另一方面，其收入與績效體系也難以從預防疾病發(fā)生、降低長期風險中獲得直接回報。這決定了醫(yī)院并非缺乏意愿，而是在制度上并不適合承擔長期健康結果的主要責任。

近年來，市面上確實已經(jīng)出現(xiàn)了一批面向院外健康管理的AI應用與平臺，嘗試在隨訪、慢病管理、用藥提醒和行為干預等環(huán)節(jié)發(fā)揮作用，其價值也開始在局部場景中顯現(xiàn)。然而，這類 AI 多數(shù)仍處于制度邊緣位置：它們往往未被納入清晰的責任分配體系，既難以成為健康結果責任的主要承擔者，也難以與支付機制穩(wěn)固綁定，其角色更多是對醫(yī)院體系的補充性延伸，而非健康治理體系中的核心節(jié)點。

因此，即便AI已具備跨場景、跨時間管理健康的技術能力，只要責任與支付結構仍然以醫(yī)院為中心，這些能力就不可避免地被限制在醫(yī)院邊界之內(nèi)。一部分最適合在院外發(fā)揮系統(tǒng)性價值的 AI 能力，或被迫工具化、碎片化，或游離于主流醫(yī)療體系之外，難以真正承擔健康結果責任，其潛在價值也被長期低估。

第三，支付結構鎖定創(chuàng)新空間：幾乎無人為“健康本身”付費。

如果說前兩個問題主要來自醫(yī)院側，那么第三個困境則根植于支付結構。

當前我國醫(yī)療體系的支付邏輯，仍然高度圍繞“醫(yī)療行為”展開：醫(yī)保支付以項目計費為主，醫(yī)院收入與服務量及效率緊密相關；AI采購預算多從信息化或設備支出中安排，尚無成熟的資金機制專門用于基于“健康結果”購買服務。

受此邏輯支配，AI醫(yī)療項目很難自然演化為結果導向型模式。即便AI能顯著降低未來住院率、改善慢病控制，其價值也難以直接變現(xiàn)。幾乎所有的創(chuàng)新，最終都會被歸結到一個問題上，即醫(yī)院是否愿意買單。

這構成了一種典型的結構性困境：AI的價值潛力存在于醫(yī)療系統(tǒng)層面，而其付費場景卻被嚴格限制在醫(yī)院層面。久而久之，真正有可能重塑醫(yī)療體系的AI創(chuàng)新，要么難以啟動，要么被迫項目化，逐漸喪失系統(tǒng)性價值。

二、歐美AI醫(yī)療模式的對照與啟示

與中國以“醫(yī)院中心型”為主的AI醫(yī)療路徑不同，歐美國家近十年的實踐整體上呈現(xiàn)出更明顯的結果導向與責任分散特征。這種差異并非源于技術能力的代差，而是植根于醫(yī)療支付結構、數(shù)據(jù)治理方式與商業(yè)激勵邏輯的系統(tǒng)性不同。

需要澄清的是，歐美AI醫(yī)療企業(yè)并非“更容易從醫(yī)院獲得數(shù)據(jù)”。事實上，單個醫(yī)院在數(shù)據(jù)共享上的謹慎程度，并不亞于中國同行。真正的差異在于，歐美醫(yī)療體系中長期存在多條制度化的數(shù)據(jù)獲取與使用通道——包括公共或半公共臨床數(shù)據(jù)庫、醫(yī)保與商業(yè)保險支付數(shù)據(jù)、經(jīng)倫理審查的研究型數(shù)據(jù)通道，以及基于患者授權的健康與隨訪數(shù)據(jù)。這種多元數(shù)據(jù)結構，使AI醫(yī)療不必完全依附于單一醫(yī)療機構，也為其商業(yè)模式從“服務醫(yī)院”轉向“改善健康結果”提供了現(xiàn)實基礎。

因此，在歐美國家，AI醫(yī)療并未首先深度嵌入醫(yī)院信息化體系，而是更多部署于支付方、保險方及獨立健康管理體系之中。大量AI醫(yī)療創(chuàng)新的直接客戶并非臨床科室，而是商業(yè)保險公司、責任制醫(yī)療組織（ACO）、雇主健康計劃或專業(yè)的慢病管理機構。

這些主體的核心關切不是單次診療的流程效率，而是總體醫(yī)療支出、風險暴露水平以及人群健康指標的變化。AI的商業(yè)價值從而直接與臨床與健康結果掛鉤，例如住院率與急診使用率的下降、慢性病指標的長期改善，以及整體賠付成本的可控性。

這一模式的制度基石，是支付結構向“結果導向”的實質(zhì)性轉型。在美國的價值醫(yī)療（Value-Based Care）體系中，醫(yī)療服務提供方、管理組織與技術平臺需要共同對患者在一定周期內(nèi)的整體健康結果承擔責任，而非僅完成離散的診療行為。在此情境下，AI更多被視為風險預測、分層管理與主動干預的工具，而非醫(yī)院內(nèi)部的效率插件。

歐洲國家在商業(yè)化擴張上相對克制，但在公共衛(wèi)生與長期健康管理領域，更早形成了跨機構、跨場景的AI應用邏輯。AI系統(tǒng)被廣泛部署于基層醫(yī)療、社區(qū)護理與公共衛(wèi)生體系，其績效評估往往依據(jù)區(qū)域健康指標、疾病負擔變化及長期照護效果，而非單一醫(yī)療機構的工作量或收入規(guī)模。

值得注意的是，在歐美體系中，醫(yī)院不再是健康結果的唯一、甚至并非主要責任主體。相當一部分管理與風險責任被轉移或分散至保險機構、健康管理組織及技術平臺之中。這為AI醫(yī)療企業(yè)提供了一條不同于“醫(yī)院依附型”的生存路徑：不必完全圍繞醫(yī)院采購邏輯運轉，而是圍繞風險控制與結果改善構建相對獨立的商業(yè)閉環(huán)。

當然，歐美模式并不能被簡單復制到我國。其運作高度依賴成熟的保險體系、數(shù)據(jù)互操作機制與配套的法律環(huán)境，也同樣面臨隱私保護、算法偏見與公平性等現(xiàn)實挑戰(zhàn)。但從結構上看，它提供了一個清晰的對照：當AI醫(yī)療不再被禁錮于醫(yī)院這一單一主體，當支付方愿意為“健康結果”而非“醫(yī)療行為”買單，且責任能夠在多方主體間合理分配時，AI才有可能釋放其系統(tǒng)性價值。

三、政策建議：走出醫(yī)院中心型模式的可能路徑

要破解前述困境，顯然不能止步于“算法的持續(xù)迭代”，而必須指向商業(yè)模式、責任結構與數(shù)據(jù)機制的協(xié)同重構。

首先，推動從“醫(yī)院單一中心”向“多責任主體共擔”轉型。健康結果的實現(xiàn)，本質(zhì)上是醫(yī)療機構、支付方、技術服務平臺、社區(qū)以及個體共同作用的結果。政策層面應鼓勵不同主體在不同環(huán)節(jié)各司其職、各擔其責，打破風險與責任長期過度集中于醫(yī)院端的結構性僵局。這需要通過制度創(chuàng)新，明確健康管理責任主體、風險共擔型服務提供方以及基于結果付費的技術供應商等新型角色的法律地位與責權利邊界。

其次，重構以健康結果為錨點的支付與采購機制。若AI的商業(yè)價值始終困于“賣系統(tǒng)、賣模塊”的信息化采購邏輯，既難以擺脫低水平、同質(zhì)化的工具競爭，也難以支撐其長期投入與責任承擔。政策層面可在慢病管理、再入院率控制、圍手術期管理等結果可量化、路徑相對清晰的領域先行試點，將支付對價與實際健康產(chǎn)出直接掛鉤。同時，應逐步將AI從傳統(tǒng)IT采購框架中解構出來，探索從“購買產(chǎn)品”向“購買服務、購買結果”的轉變路徑，在預算審批、績效評估與風險認定中引入跨部門、跨主體的綜合評價機制。唯有當支付方愿意為健康結果而非技術部署本身付費，結果導向型AI模式才具備可持續(xù)的商業(yè)基礎。

第三，鼓勵“風險外包型”與“健康責任型”AI模式試點。在這一過渡路徑中，可探索新的協(xié)作機制：醫(yī)院繼續(xù)承擔診斷與治療決策的核心職責，并將長期健康管理、風險持續(xù)監(jiān)測與人群分層干預等職能，逐步交由AI平臺或專業(yè)健康服務商承擔。后者的收益與患者預后改善程度、風險暴露水平降低程度直接相關。這種模式有助于緩解醫(yī)院在既有資源與激勵約束下難以全面履行健康管理責任的問題，實現(xiàn)更加合理的專業(yè)化分工。

最后，構建多元、合規(guī)的數(shù)據(jù)獲取與使用機制，降低AI醫(yī)療對單一醫(yī)院數(shù)據(jù)的結構性依賴。若臨床數(shù)據(jù)仍主要由單體醫(yī)療機構封閉掌握，AI醫(yī)療企業(yè)在商業(yè)上就不可避免地被鎖定在“服務醫(yī)院”的路徑之中。政策層面可探索漸進式改革方向：推動公共或半公共真實世界數(shù)據(jù)平臺建設，在嚴格脫敏與用途限定前提下支持科研與結果導向型應用；明確醫(yī)保與商業(yè)支付方在數(shù)據(jù)整合與合規(guī)使用中的角色，釋放支付端數(shù)據(jù)在健康管理與風險評估中的價值；完善患者授權與數(shù)據(jù)可攜帶機制，使個體在知情同意下參與數(shù)據(jù)流通與價值創(chuàng)造。通過多渠道數(shù)據(jù)供給，為AI醫(yī)療商業(yè)模式多元化提供制度基礎。

四、政策展望

回顧當前AI醫(yī)療的發(fā)展困境，一個越來越清晰的判斷是：技術的演進已明顯領先于制度的設計。醫(yī)院中心型模式并非路徑錯誤，它是AI醫(yī)療在拓荒階段的必然落腳點。然而，若長期停留于此，AI對健康預后和系統(tǒng)性治理的邊際貢獻必然受限，難以跨越到以“健康結果”為中心的更高形態(tài)。

可以預見，下一階段AI醫(yī)療的演進重心將發(fā)生結構性遷移——重點不再是“如何進入醫(yī)院”，而是“如何走出醫(yī)院”。在不取代醫(yī)生主體地位、不逾越安全紅線的前提下，AI若要真正釋放潛能，必須深度參與健康結果的全周期管理，將其觸角延伸至更長的時間尺度與更廣的治理場景之中。這一轉型，必然伴隨著責任邊界的穿透與重組、支付機制的漸進式調(diào)整，以及多主體協(xié)同的健康治理結構的成形。

在這一關鍵的窗口期，政策的核心使命不在于為特定技術路線背書，而在于為新型責任配置與商業(yè)模式預留充足的制度彈性和試驗空間。只要結果導向的AI模式被允許在實踐中試點、評估與糾偏，AI就有可能完成從“增效降本工具”向“風險管理與結果優(yōu)化助手”的身份轉變，從醫(yī)院內(nèi)部的軟硬件升級進化為健康治理體系的有機組成部分。

歸根結底，真正決定AI醫(yī)療未來走向的，并非算法的精進速度，而是制度是否具備包容技術創(chuàng)新并驅動范式變革的能力。

（作者趙付春系上海社會科學院信息研究所數(shù)字經(jīng)濟研究室主任，副研究員，博士）