AI醫(yī)療已經(jīng)成為近幾年最受關(guān)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(guān)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(yīng)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(jié)構(gòu)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(shè)進展緩慢；慢性病負擔(dān)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(wù)提供者，而是作為技術(shù)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(yīng)用反饋。總之，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(fēng)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(zé)任與收益錯位：AI企業(yè)參與決策，卻不對健康結(jié)果承擔(dān)責(zé)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(zé)任由醫(yī)生承擔(dān)”。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(jié)果不承擔(dān)責(zé)任。

在這種結(jié)構(gòu)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(jié)果風(fēng)險，則主要由醫(yī)生與醫(yī)療機構(gòu)承擔(dān)；與之相對，軟件授權(quán)費、服務(wù)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(zé)任與收益的錯位：參與決策的一方不承擔(dān)健康結(jié)果風(fēng)險，而承擔(dān)風(fēng)險的一方卻難以對技術(shù)的設(shè)計、演進和使用方式擁有實質(zhì)性控制權(quán)。

這種錯位的結(jié)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(jié)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(jié)果是否因此真正改善？

當(dāng)商業(yè)回報與健康結(jié)果無關(guān)，AI醫(yī)療企業(yè)的理性選擇，便是持續(xù)向“低風(fēng)險、低責(zé)任、易復(fù)制”的方向收縮，而非主動承擔(dān)更復(fù)雜、更長期的健康結(jié)果改善任務(wù)。

第二，醫(yī)院并非“健康結(jié)果”的最佳承載主體。

這一問題相對隱蔽，卻同樣關(guān)鍵。現(xiàn)行醫(yī)療制度主要將醫(yī)院的責(zé)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(jié)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(fù)發(fā)與患者依從性密切相關(guān)，老齡化相關(guān)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(dāng)下診療效率，而非長期健康結(jié)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(yù)；另一方面，其收入與績效體系也難以從預(yù)防疾病發(fā)生、降低長期風(fēng)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(dān)長期健康結(jié)果的主要責(zé)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(yīng)用與平臺，嘗試在隨訪、慢病管理、用藥提醒和行為干預(yù)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(zé)任分配體系，既難以成為健康結(jié)果責(zé)任的主要承擔(dān)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(shù)能力，只要責(zé)任與支付結(jié)構(gòu)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(dān)健康結(jié)果責(zé)任，其潛在價值也被長期低估。

第三，支付結(jié)構(gòu)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(cè)，那么第三個困境則根植于支付結(jié)構(gòu)。

當(dāng)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(wù)量及效率緊密相關(guān)；AI采購預(yù)算多從信息化或設(shè)備支出中安排，尚無成熟的資金機制專門用于基于“健康結(jié)果”購買服務(wù)。

受此邏輯支配，AI醫(yī)療項目很難自然演化為結(jié)果導(dǎo)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(jié)到一個問題上，即醫(yī)院是否愿意買單。

這構(gòu)成了一種典型的結(jié)構(gòu)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(jié)果導(dǎo)向與責(zé)任分散特征。這種差異并非源于技術(shù)能力的代差，而是植根于醫(yī)療支付結(jié)構(gòu)、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(quán)的健康與隨訪數(shù)據(jù)。這種多元數(shù)據(jù)結(jié)構(gòu)，使AI醫(yī)療不必完全依附于單一醫(yī)療機構(gòu)，也為其商業(yè)模式從“服務(wù)醫(yī)院”轉(zhuǎn)向“改善健康結(jié)果”提供了現(xiàn)實基礎(chǔ)。

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(zé)任制醫(yī)療組織（ACO）、雇主健康計劃或?qū)I(yè)的慢病管理機構(gòu)。

這些主體的核心關(guān)切不是單次診療的流程效率，而是總體醫(yī)療支出、風(fēng)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(jié)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(jié)構(gòu)向“結(jié)果導(dǎo)向”的實質(zhì)性轉(zhuǎn)型。在美國的價值醫(yī)療（Value-Based Care）體系中，醫(yī)療服務(wù)提供方、管理組織與技術(shù)平臺需要共同對患者在一定周期內(nèi)的整體健康結(jié)果承擔(dān)責(zé)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(fēng)險預(yù)測、分層管理與主動干預(yù)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(lǐng)域，更早形成了跨機構(gòu)、跨場景的AI應(yīng)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(dān)變化及長期照護效果，而非單一醫(yī)療機構(gòu)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(jié)果的唯一、甚至并非主要責(zé)任主體。相當(dāng)一部分管理與風(fēng)險責(zé)任被轉(zhuǎn)移或分散至保險機構(gòu)、健康管理組織及技術(shù)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(zhuǎn)，而是圍繞風(fēng)險控制與結(jié)果改善構(gòu)建相對獨立的商業(yè)閉環(huán)。

當(dāng)然，歐美模式并不能被簡單復(fù)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(jié)構(gòu)上看，它提供了一個清晰的對照：當(dāng)AI醫(yī)療不再被禁錮于醫(yī)院這一單一主體，當(dāng)支付方愿意為“健康結(jié)果”而非“醫(yī)療行為”買單，且責(zé)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(zé)任結(jié)構(gòu)與數(shù)據(jù)機制的協(xié)同重構(gòu)。

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

其次，重構(gòu)以健康結(jié)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(zé)任承擔(dān)。政策層面可在慢病管理、再入院率控制、圍手術(shù)期管理等結(jié)果可量化、路徑相對清晰的領(lǐng)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(yīng)逐步將AI從傳統(tǒng)IT采購框架中解構(gòu)出來，探索從“購買產(chǎn)品”向“購買服務(wù)、購買結(jié)果”的轉(zhuǎn)變路徑，在預(yù)算審批、績效評估與風(fēng)險認定中引入跨部門、跨主體的綜合評價機制。唯有當(dāng)支付方愿意為健康結(jié)果而非技術(shù)部署本身付費，結(jié)果導(dǎo)向型AI模式才具備可持續(xù)的商業(yè)基礎(chǔ)。

第三，鼓勵“風(fēng)險外包型”與“健康責(zé)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(dān)診斷與治療決策的核心職責(zé)，并將長期健康管理、風(fēng)險持續(xù)監(jiān)測與人群分層干預(yù)等職能，逐步交由AI平臺或?qū)I(yè)健康服務(wù)商承擔(dān)。后者的收益與患者預(yù)后改善程度、風(fēng)險暴露水平降低程度直接相關(guān)。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(zé)任的問題，實現(xiàn)更加合理的專業(yè)化分工。

最后，構(gòu)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(jié)構(gòu)性依賴。若臨床數(shù)據(jù)仍主要由單體醫(yī)療機構(gòu)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(wù)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(shè)，在嚴格脫敏與用途限定前提下支持科研與結(jié)果導(dǎo)向型應(yīng)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(fēng)險評估中的價值；完善患者授權(quán)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(chǔ)。

四、政策展望

回顧當(dāng)前AI醫(yī)療的發(fā)展困境，一個越來越清晰的判斷是：技術(shù)的演進已明顯領(lǐng)先于制度的設(shè)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(yù)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(jié)果”為中心的更高形態(tài)。

可以預(yù)見，下一階段AI醫(yī)療的演進重心將發(fā)生結(jié)構(gòu)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(jié)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(zhuǎn)型，必然伴隨著責(zé)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(jié)構(gòu)的成形。

在這一關(guān)鍵的窗口期，政策的核心使命不在于為特定技術(shù)路線背書，而在于為新型責(zé)任配置與商業(yè)模式預(yù)留充足的制度彈性和試驗空間。只要結(jié)果導(dǎo)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(fēng)險管理與結(jié)果優(yōu)化助手”的身份轉(zhuǎn)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(jié)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(shù)創(chuàng)新并驅(qū)動范式變革的能力。

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