AI下沉基层，国家划定2030年覆盖路线图
八个方向二十四项应用里,基层被放在了第一位——这对社区卫生服务中心意味着什么
在深圳,一张宫颈刮片的阴性结果,出具时间已经从两个工作日压缩到体检当日;一次 Ⅲ 级超声检查从 30 分钟缩到 10 分钟;一份病历能在 1 分钟内自动、规范地生成;一例医保拒付病例的证据链检索、规则比对和申诉报告,系统 15 秒就能完成。支撑这些场景的,是已经在深圳全市各级医疗卫生机构落地的近 450 个 AI 产品,覆盖临床诊疗、医院管理、公共卫生多个领域。
这些不是某家机构的尝鲜,而是一张正在全国铺开的时间表的局部。对社区卫生服务中心、乡镇卫生院的管理者来说,看懂这张表,比围观这些场景更要紧。
2025 年 11 月 4 日,国家卫生健康委会同国家发展改革委、工业和信息化部、国家中医药局、国家疾控局,联合印发《关于促进和规范"人工智能+医疗卫生"应用发展的实施意见》。文件部署了人工智能在医疗卫生领域 8 个方向、24 项重点应用,而排在 8 个方向最前面的,是"基层应用"。
配套的目标更直接:到 2030 年,基层诊疗智能辅助应用基本实现全覆盖,同时推动二级以上医院普遍开展医学影像智能辅助诊断、临床诊疗智能辅助决策等技术应用。换句话说,国家给"AI 进基层"设的不是鼓励性预期,而是一个有终点年份的覆盖目标。
文件同时划了两条不能越的线:坚持人工智能"赋能而不替代"的定位;强化数据安全和个人隐私保护,确保安全、可靠、可控。这两条后面会反复出现,因为它们恰恰是落地时最容易出问题的地方。
把基层排在最前,有它的道理,而且能用数字说清楚。
国家卫生健康委基层司司长焦雅辉给过一组数据:2024 年,县域内基层医疗卫生机构的诊疗人次,占了全国诊疗量的 63.4%。也就是说,全国超过六成的看病行为发生在基层。但基层恰恰是优质诊断能力最稀薄的一层——一个全科医生一天要面对几十种主诉,从普通感冒到需要警惕的早期肿瘤,判断的宽度远超任何一个专科,可身边能调用的专家资源却最少。
这道能力落差,过去靠"资源共享中心"来补。焦雅辉提到,在"人工智能+"的赋能下,目前 80% 的县(市、区)已初步建成县域影像、心电、检验资源共享中心,县域远程医学影像诊断服务量今年已经超过 6800 万人次;一些过去在县级医院比较薄弱的专科,如肿瘤科、精神科、眼科,设置率和服务能力都有明显提高。
AI 辅助诊断要接着补的,正是这道落差的"最后一层":把三甲医院里沉淀的诊断经验,变成基层诊室里随手可及的提示。它不替全科医生拍板,而是在医生判断的旁边,多放一双不知疲倦、见过海量病例的眼睛。这也是"赋能而不替代"在基层最朴素的含义。
国家给出时间表之前,几个先行地区已经把场景跑通,而且路径各有侧重,值得基层管理者对照自己的家底来看。
上海走的是"全覆盖+大模型"的整建制路线。《上海市发展医学人工智能工作方案(2025—2027 年)》(2024 年 11 月 23 日上海市政府办公厅印发)提出,在全市社区卫生服务中心建设智能化慢性病健康管理支持中心,构建人工智能健康管理大模型,对居民健康状况开展分级分类评估与管理;并要实现社区卫生服务中心、妇幼保健机构的婴幼儿智能健康管理全覆盖,以及各级医疗机构临床诊疗辅助决策支持系统应用全覆盖。它的特点是把 AI 当成一套贯穿慢病、妇幼、临床决策的基础设施,而不是单点工具。
深圳走的是"规模化场景"的路线。前面提到的近 450 个 AI 产品已经落地,AI 病理让宫颈刮片阴性结果当日出具,AI 超声把检查时间砍掉三分之二,病历和医保审核都被压进分钟级甚至秒级。它的特点是不追求一步到位的大模型,而是让一个个具体场景先用起来、先省出时间。
广西防城港走的是"先试点、定节奏"的路线。当地率先试点"人工智能+医疗"场景,部署了 AI 辅助诊断、慢性病智能管理、基层医疗文书生成、病案质控等模块,还针对本地高发的鼻咽癌、地中海贫血做地方病早期筛查;按计划,2026 年要在全区 50% 以上的基层机构部署应用。它的特点是紧贴本地病种和基层文书负担,把 AI 用在最痛的地方。
三条路子拼在一起,方向是同一个:AI 在基层,正从零散尝试走向成建制铺开;而具体怎么铺,取决于各地的数据底子、病种特点和钱包厚度。
这张时间表,两面都得看清。
机会的一面很实在。基层最头疼的两件事——诊断能力不均、医生被事务性工作拖住——恰好是当前 AI 应用最成熟的两个着力点。辅助诊断补的是能力,智能病历、病案质控、报表生成补的是精力,慢病管理大模型补的是随访人手的缺口。在基层经费增长趋缓、服务质量要求却不断抬高的当下,用工具把有限的人力从重复劳动里腾出来,已经从"加分项"变成"必选项"。
但它同时是一道必答题,三个问题绕不开。
第一,责任怎么界定。"赋能而不替代"意味着 AI 给的是提示,最终拍板的仍是医生。机构必须事先想清楚:AI 的建议如何与医生判断衔接、出现偏差时责任如何划分、医生是否有权也有能力否决 AI。这不是技术问题,是管理和制度问题。
第二,数据怎么守。实施意见把数据安全和个人隐私保护反复强调到"安全、可靠、可控"。健康数据一旦在系统之间流转,合规就不再是 IT 部门一家的事,而是机构一把手要签字的责任。基层尤其要警惕:为了让 AI"跑起来"而草率打通数据,可能埋下比能力不足更大的隐患。
第三,考核怎么应对。"基本实现全覆盖"是有年份的目标,这意味着"用没用、用得好不好"迟早会进入评价体系。等考核压下来再仓促上马,大概率是买一堆没人用的系统;提前把节奏想清楚,才有主动权。
不少机构对"数智化"的第一反应,是再采购一套软件。但跑在前面的地区给出的经验恰恰相反:决定 AI 能不能真正用起来的,从来不是系统本身,而是它脚下的地基。
这层地基有三块。一是数据底座——电子健康档案是否完整、规范、可被模型调用,直接决定 AI 提示是否可信;档案里一半字段是空的,再好的模型也只能猜。二是流程嵌入——AI 必须长在分诊、接诊、随访、质控的真实流程里,而不是另开一个没人登录的窗口;深圳那些秒级、分钟级的场景之所以成立,前提是 AI 嵌进了原有工作流。三是冷启动陪跑——基层缺的从来不是热情,而是把通用模型调到本地病种和实际、把医生培训到敢用会用的那一程;广西按 50% 的节奏推进,靠的也是一套能落地陪跑的打法。
这三块,靠零散采购很难补齐,需要的是一套把数据治理、业务流程和基层场景一起考虑进去的成熟方案——能落到社区诊室、扛得住数据合规、并且有人陪着把第一程走完。这类面向基层的 AI 辅助诊疗与卫生信息化解决方案,正是这两年从各地试点里长出来、并开始向更多地区复制的东西。对在 2030 时间表上找位置的基层机构来说,选对这样一个能一起走完全程的伙伴,往往比多买几套软件更要紧。
2030 是基层诊疗智能辅助应用全覆盖的终点。深圳的近 450 个产品、上海的智能化慢病健康管理支持中心、广西防城港过半基层机构的部署计划,都在说明同一件事:这件事不会等所有人准备好再开始。对基层管理者而言,现在最该做的,不是急着挑产品,而是先把数据和流程这两块地基夯实——等时间表走到面前,地基扎实的人,才接得住,也才接得稳。