AI究竟能为医院创造何种价值？

近三年，无数医院能够感知到的最直观的变化是，从工具化到信息化，从信息获取到业务完成，以及AI生态开放赋能，期望能够展现出稳健的业务基本面表现和业绩复苏迹象。

过去十年，医疗AI在影像诊断、病历撰写、风险预测上已经足够熟练，但本质上仍是一个观察者，擅长从历史数据中归纳"是什么"，却无法推演"如果换一种方案会怎样"。譬如说，围绕挂号、线上问诊、病历助手、用药审核，诊后随访这类纯医疗服务容易标准化的场景有比较成熟的布局，却难以独立支撑其高效运转。究其原因并非技术迭代的失败，而是线上问诊付费机制缺失、B端机构服务空白、健康管理衍生业务缺位等多重因素叠加，在国内现有医疗支付体系下的系统性碰壁。如果AI医疗什么都做，反而可能暴露了究竟什么是“核心”尚未想透。

现如今，AI医疗的想象空间不断扩大，从产业链位置和技术成熟度来看，大致集中在四个方向：辅助诊断、药物研发、疾病治疗和健康管理。对医院来说，选择AI模型本身并不是他们最想投入精力、也未必最擅长的事情。医院真正关心的不是业务场景背后具体接入了哪一个AI模型，而是这个能力能否稳定、安全、高效地满足业务需求，以及最终效果、成本、可靠性和可持续迭代能力。因此，只有管理决策者能够决定 AI 是否进入核心业务，是否直面最关键的运营问题，从而改写财报结果。在提效之外，医院更看重AI对工作流程的完全适配。与其说医院需要某个高效的AI工具，不如说，医院希望在医疗服务业务场景各个环节里，有能够融入AI工具的整套方案。

目前健康助手、慢病管理、体检报告解读等低门槛场景，C端用户的付费意愿和认可度还是比较低，属于保持现状。譬如说，AI辅助诊断已逐步形成以医学影像、数字病理及实验室检验为代表的重点应用方向，其中医学影像AI是当前商业化进展较快的落地场景，但完整的辅助决策还没有完全落地，目前还没有哪个大模型能独立完成看病流程。或者，AI医学影像辅助诊断软件，覆盖心血管、肺部、脑血管、骨科等多个领域。但在临床医生眼里，AI在影像上的实际用途，和外界想象的并不是一回事。

事实上，决定AI医疗生死的，是谁来买单。这类玩家能靠资源迅速起量，却很难适配医疗重监管、长周期、慢变现的节奏。现实中，一个不争的事实就是，互联网巨头对医疗AI发展帮助微乎其微，并没有对医疗AI或者整个产业有多少改变，在医疗健康领域实际贡献仍持保留态度。

综上，过去互联网建设的是信息基础设施，移动互联网建设的是连接基础设施。未来AI可能正在成为一种新的基础设施。然而，现实问题也暴露出“AI医疗公司共性困境：核心AI产品迟迟跑不出规模化营收，研发持续高投入导致持续亏损，商业化路径无法被验证。

由此可见，医院期望AI医疗解决的不只是事情怎么完成，而是关注怎样会变成理解具体践行的人、具体的场景，以及具体的问题。因此，能够引领医院战略转型和价值创造的AI医疗，从 0 到 1 靠野性、靠变通、靠闯出来；从 1 到 10 靠规矩、靠体系、靠复制出来。阶段不同，打法不同，认清自己的阶段，才能选对策略，走得更稳、更远。

作者：郭俊 主任医师 资深医院运营管理职业院长。「院长说运营」智库运营策略团队创始人。赋能医疗运营管理专家：深度运营，深入业务，深层管理，深远影响。推动赋能的运营战略与管理变革，致力于提供从「战略布局」到「目标落地」，从「面临的机遇」到「应对的挑战」提供专业运营管理辅导意见，帮助医院专注发展核心竞争力。