背景概括
医保支付方式正处于持续变革之中，其支出构成公立医院收入的主要来源。医院要获得支撑发展的经费、保持成长竞争力，就需要合理规划更具性价比的服务。因此，医院在现阶段就需要关注医疗服务的价值。AI时代，医疗服务中已包含AI服务——国家立项指南设立“人工智能辅助诊断”扩展项，上海通知将“以人工智能/医用软件为驱动”单列为一类评价对象，正是对这一变化的价值评估。
由此，数实纵横认为，医院需要正视AI带来的支付格局变化：基于真实世界证据、包含AI服务的评价结果，将逐步影响医保支付与价格校准。同一价格项目执行统一价格，不区分医院采用何种服务模式；采用效益更高、患者体验更好的服务模式的医院，其成本结构与价值证据能够进入价格构成，在同等价格下具备结余空间；而仍以纯人工模式提供同类服务的医院，人力成本相对高企，可能出现价格不足以覆盖成本的被动情形。需要说明，这是基于政策走向的推论，文件本身并未作出此类表述，价格调整也将随试点推进逐步展开。
在此背景下，医院在现阶段就应主动评估：引入AI之后，该项服务是否更有性价比。进一步而言，院内AI项目立项之初，就应把医疗服务价值的评估与比对纳入试点目标，评估结论也将成为医院采购AI解决方案的重要考量。
产业一侧的影响由此传导：医院的选型标准发生变化，产品的市场竞争规则随之改变。本篇即围绕这一评估展开，依次讨论三个问题：医院AI投入产出的判断标准与计算口径，AI研究设计的来源与组织架构，以及从信息化到数智化，医院面临的新挑战。导语的论证逻辑可归纳如下图。
衡量是否值得投入某项AI，核心依据是增量投入与增量收益的比较。这一比较既支撑医院内部的AI立项决策，也可构成价格项目立项与定价的证据基础。容易被忽略的是比较的口径与条件——同一项AI，用不同的口径、不同的时间跨度、不同的对照去算，结论可能完全不同。至少有四点需要修正常见的简化算法。
第一，先统一口径。同一项AI，医院关注收入、成本替代与效率，医保关注基金支出与健康产出，社会关注患者时间成本与误诊损失，三者结论可能相反。以基层AI辅助诊断为例（假设情形）：若其在医院端直接收入有限，但能减少向上级医院的转诊和重复检查，则从医保基金的口径看可能是划算的。这类口径差异，正是评价体系立足“参保群众获益和全社会健康获益”视角的原因。
第二，不能只算钱。评价维度包括临床有效性、安全性、经济性、公平性、可及性、创新性和患者体验。有些场景增量成本效果并不优于纯人工，但显著改善可及性或质量安全，仍可能获得支持。更准确的标准是：增量成本效果比处于可接受区间，且不损害其他维度。
第三，要看时间跨度。数据治理、流程改造、人员培训属于一次性投入，短期测算结果为负，不等于不值得投入；短期测算结果为正，也可能依靠补贴或免费投放支撑，难以持续。
第四，比较增量而非总量。更常见的对照是“AI加低年资医师”与“纯高年资医师”的质量差，或“AI加人工”与“纯人工”的效率差，需要计算的是边际差异。
三种口径与判断框架可归纳如下图。
图1: AI应用投入产出的三种口径与判断框架
还有一个现实障碍：在不向患者另行收费的规则下，AI的产出多数不体现为收入，而体现为成本替代。举例来说，病理切片外送第三方诊断需要支付外送费用，若AI辅助提升了本院病理产能、减少外送量，节约的外送支出就是可计量的成本替代；类似的还有减少返工与复检、缩短平均住院日、降低人力加班。医院若缺乏统一的内部计量口径，这些收益难以呈现，比值便无从算起，决策只能依赖经验判断。
真实世界评价对医院提出的要求，超出了传统信息化项目的能力范围。过去的信息化项目以功能上线、系统稳定、接口打通为验收标准，本身不包含研究设计与证据产出环节，因此这部分能力在项目制中自然缺失。
科学推进AI项目，需要严谨的组织架构与具备相应知识背景的人才队伍。参照医院科研体系的PI负责制与方法学支撑机制，一个关键事实是：同时熟悉临床、数据与卫生经济学评价的复合型研究者极为稀缺，这类研究者通常以临床PI形式出现，目前主要集中在头部医院、高校和卫生政策研究机构，落到AI应用领域更为有限——此为基于行业观察的判断，尚无公开的人才存量数据佐证。因此，可行的路径不是寻找全能型人才，而是以临床PI牵头、多方方法学支撑的组合方式形成能力。
面向AI项目规划，建议医院按五个层级设置组织架构：
决策层为医院AI与真实世界研究专班，由院领导牵头，医务、信息、医保、财务、科研部门参加，负责立项审批、资源配置与跨部门协调。
执行层由临床PI与项目组构成：临床PI负责临床问题定义、方案科学性与结果解释，对研究结论负最终责任；项目组由临床科室与数据管理员组成，负责执行与数据采集。
支撑层包括四类主体：高校公共卫生学院或卫生统计、卫生经济学团队负责研究设计、对照设置、统计分析计划与成本效果分析；卫生政策研究机构负责价格口径解读与申报策略；信息部门负责数据链路、系统集成与数据安全；病案统计与医保办负责指标口径核对与结算数据提取。
治理层由伦理委员会与法务合规部门构成，负责伦理审查、知情同意、数据权属与利益披露。
外部协作层包括学会、协会（多中心网络、方法学培训、专家共识）、咨询机构（方案组织、指标框架、申报材料撰写、政策沟通）与厂商（算法交付、运行数据提供、模型迭代）。
组织架构可归纳如下图。
图2：医院AI项目的组织架构与责任边界
在这套组织架构中，证据生产通常按“问题定义—方案设计—伦理与合规—实施与数据—证据产出与申报”五个阶段推进，每个阶段设置质量关口。为了确保评价结果可用于医保决策或其他真实世界评价，建议由临床PI和学术机构签署，咨询机构承担的是组织与转化工作，不替代研究责任主体。流程如下：
图3:真实世界证据生产的流程与质量关口
上述评估要求，指向医院发展阶段的一次转换：信息化解决的是流程线上化，数智化则要求医院以数据、AI创造新的形式输出医疗服务价值。这一转换带来三重新挑战。
其一，价值认定方式改变。在“不另外付费”规则下，医院部署AI无法通过向患者收费直接回收。真实世界评价打开的是间接通道：AI应用产生的效率、质量、患者获益数据，经评价确认后进入价格调节和收益分配。医院可以对AI的价值贡献评估后续投入。
其二，研发与应用逻辑前置。通知鼓励在概念验证、临床研究阶段即同步设计评价计划。医院开展AI应用时，需前置考虑研究设计、对照设置、评价指标与数据治理，这要求医院系统建设真实世界研究能力，而非应用落地后补录。
其三，人才需求与组织架构调整。数智化项目的参与主体不再限于信息部门与厂商，还须纳入临床PI、方法学团队以及伦理与合规等角色；而同时熟悉临床、数据与卫生经济学评价的复合型人才稀缺，多数医院难以通过个别引进获得。因此，医院需要以临床PI牵头、跨学科方法学支撑的方式组织开展能力建设，并配套设立跨部门专班与证据联络机制。前文所述的五层级组织架构与责任边界，正是对这一新挑战的回应。
真实世界评价改变的不只是医保的决策方法，还有医院在新时期开展人工智能探索的行为依据。对医院来说，AI应用的可行性取决于能否产出经得起核查的价值证据——现阶段评估“引入AI之后，该项服务是否更有性价比”，正以此为据；对仍沿用传统服务模式的医院而言，AI加人工的新服务模式或将构成竞争压力，主动探索人工智能应用，是应对这一转变的现实选择。
免责声明：
智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。
本平台所发布信息的内容和准确性由提供消息的原单位或组织独立承担完全责任!
凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。
