医疗影像AI走向分水岭：谁在为读片买单？

一台CT出图，肺结节、冠脉、骨折各自运行一套算法；另一台运行通用模型，一次扫描标记上百种病症。两种工作流并列的背后，是医疗影像AI正在分化的两条技术路线。但比起算法之争，行业更迫切的问题在于：到底谁在为AI读片买单？

专病拿证，通用开源

专病路线的核心逻辑是“一个模型打一种病”。

数坤科技是专病路线的典型代表，其冠脉CTA-FFR等多款产品已获得美国FDA与欧盟MDR CE认证，累计拿下19张国家药监局（NMPA）三类医疗器械注册证，覆盖国内3000多家医疗机构，2025年营收约5.6亿元、毛利率维持在70%以上。

联影智能则是专病路线中规模最大的一家，累计获批23张NMPA三类证，多款应用斩获欧盟CE及FDA认证。2026年，其胸部CT图像辅助诊断软件进入国家药监局创新医疗器械特别审查程序，成为首款进入该通道的大模型医疗产品，尝试以深厚的专病积淀叩开通用监管大门。

通用路线则主打“一个模型覆盖多种疾病”。

阿里达摩院推出的RADAR大模型面向腹部增强CT，单次即可识别146种病症，覆盖18个器官。在近4万次真实世界检查中，平均AUC达到0.913。达摩院在发表相关成果后选择直接开源，试图以开放生态换取学术影响力与行业号召力。

两条路线最实质的分野在于监管资质。专病路线深耕十年，核心壁垒在于三类证；通用路线的模型仍在等待审批许可。与此同时，监管标准也在加速完善。国家药监局在医疗器械注册审查指导原则征求意见稿中，已新增大模型、医疗智能体及多病种产品独立章节，对幻觉和偏见等风险提出了明确的管理要求。

卡住行业的关键是支付机制

当前医疗影像AI最核心的矛盾不在算法，而在支付端。

国家医保局此前在放射、病理、超声、检验等价格项目立项指南中，普遍将“人工智能辅助诊断”归为扩展项——与主项目同价，不重复收费，也不得向患者额外收费。即使部分AI辅助诊断项目被纳入医保乙类目录，医保结算的对象也是传统的检查项目本身，且必须经过执业医师复核签字。

患者自费端无法加价，医保给了技术合规身份却未设立独立收费项。然而，政策对基层的推广要求却在加速推进，明确要求扩大医疗影像辅助诊断的覆盖面。需求被政策打开，但独立收费渠道尚未建立，构成了行业当下的落差。

谁在真正掏钱？

理清潜在支付方后，商业图景变得清晰：

1. 患者：政策明确不增加患者额外负担，自费通道基本关闭。
2. 医保：公立医院收入高度依赖医保，医保虽然为AI落地提供了合规目录，但并未设立单独的收费代码。
3. 医院：医院采购资金主要来自运营成本或科研经费。医院的采购逻辑已从“帮助增收”转变为“降本增效”。例如，浙大邵逸夫医院探索出按需调用算力、以Token为计量单位结算的模式，降低基层部署门槛。
4. 财政与卫健委：这是当前掏出真金白银的核心支付方。各级卫健委与财政部门主导了多起区域医疗服务采购，例如浙江省以超2亿元采购医学人工智能创新服务平台，资金拨付直接与诊断准确率等服务质量挂钩。四川、宁夏等地的县域医共体采购同样依托财政预算。

财政出资的逻辑重在“基层服务能力建设”，关注基层医疗能否接住转诊需求，这与医保注重“控费性价比”的逻辑截然不同。

专病等价码，通用等资质

医疗影像AI的两大阵营走向了不同的兑现节奏。

专病路线跑通了部分高价值场景（如心血管CTA）的院内收费闭环，但天花板受限于单病种的市场容量；通用路线则依托设备厂商打包预装、体检机构筛查套餐以及区域公卫项目，将AI能力转化为基础设施。

专病路线手握医疗器械证，在等待医保的独立定价权；通用大模型以开源开路，仍在等待进入临床诊疗的合规门槛。对于全行业而言，谁能率先在基层医疗共建或软硬件一体化交付中形成稳定的按效果付费模式，谁就能在商业化深水区率先突围。