这几天和头部的辅助诊断的BD聊天，不少机构也发布了关于2024年医疗AI行业的整体看法报告，认为目前的影像辅助AI技术估值打的太高。

像一些头部公司和产品都遭遇了医院的调整。已经变成了对外展示项目，其实这样的情况我也遇到过，没有买单方就是这样的结果，我们行内话叫非正服务。

其实市场风格早就发生了明显转变，辅助影像是AI医疗最早商业化的场景之一，也曾是资本最看好的风口。

但当潮水退去，留下的不是当初所想象的那样，而是一地鸡毛。

“我自己会看，不需要你这个。”这是某三甲医院放射科主任面对AI影像产品时的回应。

这句话不仅打脸了花费数亿融资的AI影像公司，也戳破了一个看似伟大的幻想，人工智能能帮助医生看图。

2018年开始，AI辅助影像成为医疗AI商业化的先锋阵地。

技术成熟、数据清晰、落地场景明确，数坤、推想、依图、深睿等公司接连获得巨额融资。

资本付费的逻辑很简单：影像医生供给紧张、读片压力大、出错率高，只要AI能读图，医院就会买单。

然而，现实远比我们想象的复杂：

- 医生“不需要”

- 医院“不买单”

- 政策“不支持”

辅助诊断的商业化问题，归根结底，困在“医保体系的缺位”上。

与药品靠进药品目录、器械靠入高值耗材库不同，AI辅助诊断的支付路径，医保至今没有系统性解法。

我们研究了国家药监局自2020年以来核准的80+款AI医疗三类器械，其中接近四成为“辅助诊断”类，具备成像分析、结果建议、辅助分型等能力。

但截至2024年，仅有不到5款产品进入医保目录，且均为区域性、临时性支付。

这使得大量已获证产品被迫以“科研项目”身份绕道采购，或以“SaaS服务”试图入院，极易引发合规风险。

例如，某AI心电图平台负责人透露：“我们只能以服务包形式挂靠体检中心，开不出收费单，也不计入医保结算。”

医保不给“身份证”，产品即便“合格”，也没有存在的通道。

另外，AI辅助诊断作为新型医疗服务，其进化节奏远远快于制度节奏。很

多公司刚完成系统优化，产品已经跑到了V3.0，但医保编码审批仍卡在最初V1.0数据上。

浙江某三甲医院的病理AI团队，在2022年申请“新技术收费备案”获批临时使用后，因制度要求每年重新申报，导致今年初系统升级之后又重启流程。

“产品已经能分型诊断了，但医保那边还只知道我们能‘提效率’。”

与此同时，我们调研发现，医保控费逻辑在多个地市的政策导向中“优先级极高”。某地级市医保局绩效考核体系中。

“控制支付增幅”权重达到60%，而“新技术支持”不足10%。这直接造成“省下的钱反而削明年的预算”——医院越节流，明年越难请款。

一位医保办负责人坦言：“AI帮你节省200万，但医保年审会说，既然你能省，就说明这部分不必要，明年要砍预算。”

虽然，医保制度改革短期难以系统性突破，但我们观察到一些具备启发意义的“裂缝式创新”，或能成为辅助诊断走出支付困局的路径。

可以借鉴深圳“健康数据交易所”思路，某省提出“预付款+数据确认”机制：企业先行部署辅助诊断系统，按使用量和节流效果进入医保次年支付评估。

类似DRG后的事后清算方式，帮助缓解技术初期无法定价问题。

国家卫健委统计信息中心牵头构建辅助诊断价值评估模型：

不再仅凭RCT证据，而是结合疾病转归、资源节约和医生工作负荷减少数据，形成“长期价值定量”逻辑。

以肺结节筛查AI系统为例，虽初期假阴性率略高于人工，但大幅减少过度检查，在五年内每位患者节省医疗费用超7.2万元。

上面的案例和调研思路原本是我们上个月的咨询案例，当然最后是没有接下来。

客户主要目的是商业化，在多方调研后我们发现，这类问题已超出传统商业咨询可以直接推动变革的范畴。

其根源不在于企业战略或产品模型，而在于医疗政策顶层设计与支付体系结构性空白。

若无制度牵引、监管协同与政策试点支撑，企业单方面的商业努力是很难突破的。

对线干不过，当然只能躲在塔下猥琐发育了。