筑牢数据基础，推动AI医学影像创新发展

当前，医学影像诊断领域正面临着影像数据快速积累、医生群体工作压力大、专业人才短缺等现实难题。而人工智能的逐步深入，正逐步成为化解行业难题的新动力。

近日发布的《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》给出了明确目标：到2030年，智能辅助诊疗工具将在基层实现全面覆盖，推动二级及以上医院普遍采用AI参与医学影像诊断和临床决策。

随着顶层设计逐步落地，AI医学影像的行业现状、临床价值、市场潜力及未来发展路径，也成了业内持续热议的话题。

迈向临床：“重塑诊疗流程”

医学影像（如X光、CT、MRI、B超等）一直是医生诊断疾病的关键依据。这几年，AI和医学影像的结合提速，已经成为“人工智能+医疗”最落地、最成熟的典型应用。

那AI赋能医学影像，究竟带来了哪些变化？

对于大型医院的专家来说，AI最直接的作用就是让医生从大量机械性的工作中解放出来。AI凭借强大的图像识别和数据分析能力，能弥补人为检查的盲区，在病灶筛查、疾病区分、急诊救治等环节给予医生精准辅助。例如，AI能在肺部CT检查中迅速查阅成千上万张影像，准确发现小于3毫米的微小结节，区分良恶性，为早期癌症精准筛查建立防线。

而在基层医院，AI更突出助力于“技术下沉”和“诊疗质量提升”。

数坤科技股份有限公司首席技术官郑超接收《证券日报》采访时指出，公司与顶级三甲医院合作训练AI模型，再把成熟技术推广到基层，相当于让基层医生拥有“三甲专家助理”级别的能力。

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在接受《证券日报》采访时表示，AI能够明显减少基层医疗单位的漏诊和误诊率，让患者可以就近解决常见病，缓解大型医院就医压力。

随着市场需求的不断释放，AI医学影像产业快速增长，行业中的头部企业也已纷纷布局，市场竞争日益多元。

比如阿里巴巴达摩院推出的“一扫多筛”技术，能在一次低剂量的胸部CT检查中，同时筛查急性疾病、评估肿瘤风险，还有脂肪肝、肌少症等慢性病筛查。阿里医疗AI实验室商务合作副总经理王桐介绍，这项技术突破了“一个检查、一个结果”的传统模式，让健康筛查变得更高效、普惠。

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表示，基于多模态大模型的AI系统临床报告生成医生接受率已达七成；在医保监管场景下，重复检查识别准确率超95%，性别年龄核验准确率也达到98%以上。AI不只帮医生看病，还带来了医保费用管控的创新。

数据底座：打通“信息孤岛”

AI医学影像的临床作用不断显现，但要想实现大规模应用，还必须解决一个“老大难”——舆情网全国统一数据库体系尚未彻底建立。缺乏高质量、范围广、互联互通的数据，哪怕再智能的算法也会遇到瓶颈。

中国科学院院士滕皋军解释，医院间医疗数据长期存在“物理孤岛”和“隐私安全”双重障碍。他举例说，A院训练出的AI系统，常常到了B院就“水土不服”，难以实现跨机构应用。

清华大学助理研究员李淼补充道，目前企业落地AI产品基本还是挨家医院去谈，推广难度和成本都很高。

医保部门主导建设的“医保影像云”正力图破解上述难题，目标不仅是数据存储，更是打造一个全国范围、标准化、安全可控的数据共享与运算平台。

医保局大数据中心副主任曹文博透露，医保系统这些年持续完善信息基础能力，已建成全国统一的医保信息平台，“医保影像云”也已在全国推进，形成了良好开局。

截至今年3月25日，医保局已累计归集医保影像索引达3.66亿条。医保局还在今年启动“个人医保云”试点，把参保人散落于医院、药店、体检机构、可穿戴设备等多渠道的健康数据整合在一起。

滕皋军进一步指出，江苏的实践为全国提供了样板——江苏省卫生健康云影像平台已接入近2000家医院，储存影像1.8亿例，已支持4962万例跨院影像调取，这极大推动了AI大模型的研发和应用落地。

当然，数据互联只是“第一步”，数据安全和信任更是基础。滕皋军认为，“可信数据空间”是突破关键。基于“数据不动、模型动”等技术，能保证医疗数据在流转过程中的安全与可控，帮助各方消除数据共享顾虑。

与此同时，数据标准化工作也在同步进行。陈敏指出，国内医学影像检查缺少统一规范，影响诊断结果一致性和报告的互认。

为此，中华医学会放射学分会正牵头制定影像采集、质量和诊断三部分的全国统一标准。陈敏认为，只有实现“全国一查、多地通用”，减少重复检查和医疗资源浪费，医保影像云的监管和健康管理价值才能最大化。

数据基础设施的持续升级，正在改变整个行业生态，大幅提升产品推广和服务效率。

李淼认为，这虽然降低了企业推广门槛，但也让企业需要拿出“硬核”技术，适应一个更开放、透明、公正的竞争平台。医保影像云实际上是产业价值链再造和数据要素价值释放的关键枢纽。

商业闭环：费用与责任的新试题

数据平台不断完善，算法技术逐渐明朗，但AI医学影像要完成从“前沿科技”到“规模化产业”的跳跃，最终还是绕不开费用支付和法律责任这两个核心问题。

多位专家接受《证券日报》采访时指出，“谁为AI买单、责任该归谁”是促进行业进入商业化新阶段的关键。

郑超直言不讳地表示，目前医保支付仍未完全覆盖AI医学影像产品，医院主要依靠自有经费采购，产品从获批到临床落地过程漫长，费用压力明显，商业推广面临不小阻力。

专家们一致认为，未来收费方式应从“按服务项计费”转向“按临床价值付费”。郑超建议可以借鉴英国NICE“创新技术早期价值评估”等机制，让创新产品更早进入临床，并持续评估其实际医疗和经济价值。

王桐同样建议，建立符合AI实际贡献的评估体系，从敏感性、特异性到实际健康效果和费用节省都要覆盖，并据此设立支付方向和改革试点。

同时，AI诊断的法律和伦理责任也是行业绕不开的问题。如果AI出现误诊，责任如何追溯、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》也专门做出要求：坚持AI是辅助医生而非替代医生，创新监管，严把数据和隐私安全关，确保整个体系可控又可靠。

郑超认为，AI在医疗诊断中应是医生的得力助手，最终诊疗决定权应归医生所有。但目前在AI与医生的协作流程、考评标准等方面还没有统一规范。未来需要进一步明确“人机协同”的责任边界、操作规范及激励政策，既坚持“医生最终负责”的底线，也健全考核和认证体系。

推进产业健康发展，需要政府、行业、医保等各方的深度协同和体制创新。专家们普遍认为，医疗保障端不仅要承担支付，更要引领数据平台建设、资金引导及支付创新，将资源配置给真正创造临床价值的创新项目。

展望未来，随着可信数据空间全面落地，医保支付机制逐步完善，更多创新商业模式诞生，医学影像和AI的融合必将走向纵深，让更多患者直接受益，助力构建“健康中国”，为全民健康提供新动能。