每經記者 金喆    每經編輯 楊夏    

近日，國家醫保局印發《放射檢查類醫療服務價格項目立項指南（試行）》，統一整合規范現行放射檢查項目。其中提到，為支持人工智能輔助診斷進入臨床應用，又防止額外增加患者負擔，立項指南在放射檢查類主項目下統一安排“人工智能輔助診斷”的擴展項，也就是說醫院利用人工智能進行輔助診斷的，執行與主項目相同的價格水平，但不與主項目重復收費。

這是人工智能輔助診斷首次被列入價格構成。受上述消息影響，11月25日，理邦儀器（300206.SZ）、貝瑞基因（000710.SZ）、塞力醫療（603716.SH）等相關概念股漲停。

不過，距離人機交互的醫療場景實現仍有一定距離。國家醫保局在11月23日的新聞發布會上表示，經調研，各方普遍認為，人工智能技術在一定程度上能夠幫助醫生提高診斷效率，但現階段還無法完全“平替”。

AI輔助診斷被列入國家醫保局立項指南

11月23日，國家醫保局在相關新聞發布會上表示，目前已編制發布17批立項指南，以此來統一指導各地規范價格項目。為了支持相對成熟的人工智能（AI）輔助技術進入臨床應用，同時防止額外增加患者負擔，國家醫保局分析人工智能潛在的應用場景，在放射檢查、超聲檢查、康復類項目中設立“人工智能輔助”擴展項。

據證券時報·數據寶統計，目前共有超30家上市公司涉及AI醫療業務。此前，邁瑞醫療（300760.SZ，股價261.36元，市值3168.84億元）在互動平臺透露，公司幾年以前就開始與騰訊進行聯合研發應用于閱片機的AI算法，這款產品成為國內體外診斷行業首個進入三類創新醫療器械特別審查程序的AI類產品。

受上述消息影響，11月25日，AI醫療概念大幅走高。

安必平（688393.SH，股價20.09元，市值18.8億元）相關人士對《每日經濟新聞》記者表示，公司開發的宮頸細胞學人工智能輔助診斷產品正在進行三類證注冊申報。從實現功能的角度看，目前人工智能對病理切片的分析功能主要可分為三類，一是對組織、細胞的檢測分割；二是圖像相關特征的提取；三是病理圖像的分類和分級，病理醫師根據計算機輔助算法的分析結果可以對疾病做出進一步診斷。

“人工智能工作流程大體可分為：數據預處理-圖像分割、特征提取、選擇、分類、識別、結果輸出。”上述人士表示，從人工智能實現的載體上看，大多數產品形式為數字病理圖像處理軟件，裝載于病理科的電腦終端，連接醫院信息系統進行使用，另有小部分產品將AI分析算法直接集成于顯微鏡中，可在病理醫師閱片時完成實時分析計算，顯示于目鏡視野中。

在其看來，病理人工智能有望解決病理醫生緊缺問題，還能大量減少病理醫生的工作量。在傳統病理讀片情況下，病變所占面積常常小于1%，病理醫生需要將精力花在成百上千萬像素點的陰性范圍內。如果病理人工智能投入臨床使用，預計能夠減少病理醫生65%～75%的“篩陰”讀片工作，而臨床醫生只要將注意力集中在可疑位點即可。

理邦儀器相關人士也在25日回復媒體表示在AI醫療領域，公司在超聲業務上會應用到AI模塊。

“AI+醫療”的落地場景越來越多

隨著技術的不斷進步，AI工具在醫療領域的應用前景廣闊，其中超聲、CT、磁共振等影像檢查是AI醫療落地最常見的領域，國產醫療設備廠商基本都在近年的新品種中增加了AI功能。

以產科超聲為例，當超聲醫生手持的超聲探頭在孕婦的肚皮上掃描時，AI超聲會快速識別用于觀測胎兒發育狀況的多個標準切面，并自動獲取最佳標準切面快速測量胎兒頭圍、腹圍、股骨長、肱骨長等指標，目前的AI超聲在一定程度和范圍內已經可以勝任產前篩查，四川大學華西第二醫院超聲科主任羅紅教授表示，在實時動態的檢查過程中，只要醫生找到對應的位置，AI就可以自動識別出標準切面，確實節約了不少時間。

此外，AI在超聲領域的應用場景還包括質量控制和醫生教學。以前年輕醫生的成長主要靠有經驗的醫生帶教，時間久、主觀性也強，現在AI在一定程度上解決了這個難題。很多低年資醫生都很難做好的篩查項目，正在被AI“拿下”。

河南省人民醫院超聲科副主任王睿麗向《每日經濟新聞》記者介紹，每名孕婦的超聲檢查需要至少保存22個切面、24幅圖片，但臨床獲取的圖片基本是這一數量的兩倍甚至更多，因此質控小組平均需要在每個病例上花費十幾分鐘的時間挑選圖片，AI可以將這一時間縮短到一分鐘以內，甚至幾秒鐘就可以完成。

隨著ChatGPT等大模型在去年落地，AI在醫療領域的應用更是被按下加速鍵，進一步延伸到更高級的診療領域，比如在手術臨床上發揮更大的應用價值。在2024年服貿會上，全球首款搭載人工智能深度學習技術的骨科手術機器人ROPA就引來四海客商的關注。

中國科學院香港創新院AI中心主任劉宏斌教授對《每日經濟新聞》記者表示，在手術垂類大模型方面，可以說中國團隊與國際的頭部陣營在并跑。而且中國有數據優勢，如果能夠把數據優勢發揮出來，后勁很足。

今年3月中國科學院香港創新院AI中心發布的AI多模態大模型CARES Copilot1.0，可以在手術階段自動識別病灶和解剖結構。11月23日，該大模型迭代到2.0版本，主要聚焦術中的人機交互。

劉宏斌介紹，以前做手術規劃要翻書，決定術式后還有一系列注意事項，如腫瘤的位置、怎樣開缺口，現在大模型能幫助完成這部分工作，1.0版本時臨床醫生用得最多的功能是手術規劃。另外，神經外科手術時間很長，醫生在術中遇到一些問題需要解答也是翻書，現在可以語音互動，大模型來給出答案。

此外，2.0版本還嵌入了手術導航等模塊，給醫生一些實時的提醒，比如應該看哪個部位、重點關注核磁影像上的哪個區域、在術中指導如何輸血等。

“我們希望能用大模型指導醫生，正在做大模型的能力與機器人的應用結合。”劉宏斌表示，神經外科醫生看著內窺鏡的圖像做手術，如果內窺鏡視野調整由機器人來完成，醫生就可以騰出一只手。另外，年輕醫生可能遇到的術中困難是定位、術中迷路，大模型學會理解手術步驟，可以對一些重要的解剖結構定位、分區，點亮危險區域，提供手術步驟指導。

未來方向是人機交互的醫療場景

盡管越來越多AI輔助技術進入臨床應用，但距離人機交互的醫療場景實現還有較長距離。

在國內某三甲醫院超聲科主任看來，AI在產前篩查中已經可以達到快速識別切面的需求了，在實時檢查過程中可以把標準切面快速顯示出來。但前面的一個關鍵步驟是掃到切面，業內說法是“打圖”，則考驗的是醫生手法和經驗。還有一個問題，AI需要訓練，沒有見過的東西識別不了，所以不能完全依賴AI。

劉宏斌也在與臨床醫生的交流中發現了這個臨床痛點。他對記者表示，超聲噪聲大，接觸部位和力度都影響質量，如果能以醫療垂域大模型賦能，來結合機械臂掃圖，未來醫生所使用的超聲檢查可以像手機拍照一般簡單。

他還舉例，傳統手術室中醫生想有一個好助手，但這樣的好助手很難找，可行的方式是機器人經過跟醫生的交互學習后，熟悉其操作方式和習慣用語，擔任助手的角色。現在，他們已經在與臨床醫生一起開發這個功能，這也對連續學習能力提出要求。

對于AI醫療的未來方向，劉宏斌說，可以預見，AI技術可以參與更多嚴肅醫療，但這種突破是需要臨床醫生、學術研究者和產業界的緊密合作，三方協作才能實現真正有意義的創新。

封面圖片來源：視覺中國-VCG211374266925