医疗AI从能用到该买，采购逻辑怎么变

医院买AI的理由已经换了一套，从课题和评审加分，换成了能不能算清一笔运营上的账。

几年前，一家三甲医院买一套影像AI，理由多半写在课题申报书里，或者写进等级评审的信息化打分表。系统装进院内，真正天天点开用的医生却没几个。

这两年，同样一场采购会，院长问的第一句话换了。不再是算法参数多漂亮、发了几篇论文，而是这东西能帮医院省下多少钱、多久能把投入赚回来。

医疗AI这个行业，正从早期的概念验证，整体走进一个讲临床落地、讲商业化能不能持续的新周期。市场的钱在往这里涌，医院的采购逻辑也在同步重写。

市场在放量，医院的采购逻辑同时被改写

先把盘子摆出来。据公开行业报告测算，2025年全球医疗AI市场规模大致在367亿到393亿美元之间，2026年会快速跳到500亿美元以上，此后到2030年代中期维持35%以上的复合年增速，向千亿乃至万亿美元量级走（公开行业报告）。

北美靠成熟的医疗IT底座和科技生态，2025年拿下全球四成多到一半的份额；而以中国为核心的亚太，是追赶势头最猛的一块，预测期复合增速超过40%（公开行业报告）。

中国这边，医疗AI总体市场规模2025年预计突破300亿元人民币，2027年有望摸到1400亿元；其中AI医学影像2024年已达76亿元，同比翻倍还多（公开行业报告）。这个增速的底子，是医护人力紧张叠加医疗数据爆发，两头一起把需求顶上来。

真正重塑这门生意的，是医院买单逻辑的那次范式转移。

推手是DRG/DIP按病组付费的全面铺开。

DRG/DIP是医保按病组或病种打包预付的结算方式，一次住院给一个固定额度，超出的部分由医院自己承担。

在过去按项目付费的年代，多做一次检查就是一笔收入；换成打包预付之后，多出来的检查、拖长的住院日、病案首页写错导致的医保拒付，全都直接变成医院的成本（国家医保局、国家卫健委DRG/DIP政策）。

于是AI在院长眼里的定位彻底变了。它不再是往医疗账单上加钱的附加项，而必须是帮医院规避亏损、加快周转、压低合规风险的生产力工具。

采购决策者要的，是能直接挂钩运营效益的硬账。比如影像报告出具时间从半小时压到分钟级，急诊分流更快、平均住院日更短，在打包付费下就意味着床位周转和边际收益的改善（企业公开信息）。

再比如病案质控。病案首页是DRG/DIP入组付费的核心依据，AI在医生写病历时实时提示主诊断偏差、并发症漏填，能拦下因编码错误产生的医保扣款，这笔挽回的钱，管理层一看就懂。

院长真正在意的，不是算法多聪明，而是这套系统一年能替医院省下或挽回多少钱。 这句话，基本就是当下B端商业化的定盘星。

从院内影像到院外随访

顺着这条务实需求，两个增长极最清晰。

一个是多模态影像与临床决策支持系统。影像AI正从单器官单病种的单点筛查，走向把CT、MRI、病历文本揉在一起的全器官、全流程分析，软件与影像解剖分析在全球组件市场里占了四成以上份额（公开行业报告）。

以数坤科技为例，截至2025年8月，它已拿到18项NMPA三类医疗器械注册证，覆盖国内九成以上百强医院；其冠脉CTA系统把三维重建从人工半小时以上压到秒级，在英国NHS二十多家医院部署后，心血管影像报告出具时间从五到七天缩短到一两天（企业公开信息、NMPA注册信息）。这种跨国验证的运营价值，正是采购方愿意付钱的地方。

CDSS则从早期弹窗式的规则提示，升级成融合知识图谱和大模型的决策引擎，核心是把三甲的规范诊疗路径下沉到基层。有企业的基层智能诊疗系统在江苏多地社区与村卫生室铺开，累计提供数千万次辅助诊断支持、拦截不合理处方数十万份，推动区域处方规范率提升到九成以上（企业公开信息）。这种强质控能力，直接对上了监管对基层诊疗质量和合理用药的刚性要求。

另一个增长极在院外。国家卫健委273号文把家庭医生签约从全科单打独斗推向全科加专科协同，随访病种和频次要求大幅抬高（国家卫健委273号文）。基层人力就那么多，用AI Agent承接海量外呼、宣教和数据采集，几乎是当前最现实的路径。据行业预测，仅慢病管理AI Agent这一细分，2026年中国市场规模就将突破150亿元，复合增速超过70%（公开行业报告）。

落到医院运营上，四川大学华西医院的AI随访系统已覆盖院内43个临床科室，累计服务患者50万人次、智能外呼近80万人次（企业公开信息）。院外这条延长线一旦接上，患者黏性和复诊管理就从人力洼地变成了效率杠杆。

收费编码松闸之后，这门生意才谈得上利润

商业化最卡脖子的，一直是钱怎么进来。过去医疗AI软件多半只能当硬件的附赠品，或者挤在医院自筹的信息化经费里，没有独立、可持续的收费名目。

这道闸正在从顶层设计层面松开。国家医保局在医疗服务价格项目立项指南里，首次为人工智能辅助诊断单设了扩展项（国家医保局立项指南）。这意味着在满足明确临床价值的前提下，AI辅助诊断有机会拿到独立的价格编码或合理加收。

编码一通，AI就从医院的纯成本项，具备了转成能产生服务收入的业务项的通道。这对整个行业的商业模式，是比任何一轮融资都更结构性的变化。

顺着这条线，B端营销的剧本也得改。公立医院采购链条长，院长、财务、医务质控、科室主任各算各的账。企业得把AUC、参数规模这类技术话术，翻译成医保扣款拦截了多少、住院日缩短几天、人力工时省了几成，不同决策者要看不同的那本账。

把这三条线拼起来看，医疗AI的故事已经从”能不能做出来”，切换到了”医院凭什么掏这笔钱”。技术领先当然还是门槛，但决定谁能规模化落地的，是能不能把技术参数换算成院长和财务看得懂的一本账。

对采购方来说，这轮转型其实也在倒逼医院自己建一套基于临床ROI的评估体系，别再唯论文、唯参数。谁先把”院内诊疗加院外随访”的闭环跑通，谁就更可能把AI从一次性的采购支出，盘成一件能持续产出效率的资产。

接下来值得盯的，是医保编码在各省落地的节奏。政策红利喊出来是一回事，真正兑现成一行行能收费的价格项，才是这门生意从讲故事走向讲利润的分水岭。

参考来源：

1. 国家医保局：医疗服务价格项目立项指南（人工智能辅助诊断扩展项）
2. 国家卫健委：家庭医生签约服务相关文件（273号文）
3. NMPA：医疗器械注册数据库
4. 公开医疗AI行业市场报告
5. 相关企业公开信息与公告

免责声明：本文为医药产业趋势与商业观察，所涉信息均引自公开资料，不构成投资建议，也不构成任何医疗或诊疗建议。相关结论以监管机构与企业正式披露为准。