国家医保局加快应用场景开放以优化医保服务 - 国家医保局将加快医保领域的应用场景培育和开放，鼓励企业、高校、科研院所、医疗机构等多方力量共同参与，以破解医保服务中的堵点问题 [1] - 国家医保局将常态化征集医保领域的实际需求和难题，形成动态更新的场景库并向社会公布，社会各界可针对具体场景提出解决方案并参与孵化实施 [1] 首批开放的重点应用场景 - 针对医院内“多次排队、排长队”的缴费痛点，鼓励医药机构、金融机构等共同探索推广刷脸支付、信用支付、移动支付等更便捷方式，目标是让患者看病“少缴一次费、只缴一次费”，未来甚至实现“医院看病、回家付钱” [1] - 针对患者跨院就医携带物理胶片不便的问题，国家医保局正推动构建覆盖全国的医保影像云网络，以支持跨省“秒”调阅医学影像，这为医学影像相关企业提供了技术创新和应用空间 [1] 个人健康服务升级场景 - 围绕个人健康服务升级，医保部门将预设场景，推动建设包含个人健康档案等信息在内的“个人医保云”，为健康管理、康养服务等领域的人工智能服务拓展提供可能 [2]

国家医保局推进医疗保障领域场景开放政策 - 国家医疗保障局印发通知 加快推进基本医疗保险、生育保险、医疗救助、长期护理保险等医疗保障领域场景的培育和开放[1] 政策核心原则与工作机制 - 坚持需求导向 精准开放特定场景以解决群众急难愁盼问题并提升医保服务水平[2] - 坚持开放合作 支持引导各类企业、高校、科研院所、医疗机构、商业健康保险机构等共同参与[2] - 坚持示范引领 率先发布基础好、需求迫切的场景清单 形成可复制推广的标杆案例[2] - 坚持安全可控 坚守基金安全底线和数据安全红线 建立完善风险防控机制[2] - 建立常态化场景征集与动态更新机制 形成医保领域场景库并择优发布场景清单[2] - 推动成熟场景落地实施 依托医保影像云AI识图等赛事打造场景孵化平台[2] - 目标实现新场景规模化深度化应用 释放医保数据要素潜能并形成基于价值的医保治理新模式[2] 对医保服务水平的提升 - 通过公开张榜群众急难愁盼问题 鼓励相关主体共同解决以提升服务水平[4] - 大力推进刷脸支付、一码支付、移动支付、信用支付 聚焦解决看病缴费“多次排队”“排长队”问题[4] - 吸引医药机构、金融机构参与 目标实现群众看病少缴费直至“医院看病 回家付钱”[4] 创造的产业发展机会 - 医保领域场景开放为产业发展带来广阔空间 例如国家医保局大力推进医保影像云建设[5] - 构建覆盖全国的医保影像云跨省秒调阅网络 解决群众跨院就医携带胶片不便等问题[5] - 通过医保影像云集采直接带动数据存储、传输、质控等相关产业发展[5] - 以贵州省医保影像云集采项目为例 中标价格为4.95元/人次 首年按2156万次需求测算 中标规模达1.07亿元[5] - 两年采购期预计将超2亿元 未来仍将持续创造价值[5] - 汇聚全国医学影像数据 将为我国医学影像人工智能发展赢得先机[5] 对健康消费升级的引领 - 政策将有效统筹惠民生和促消费 引领健康消费升级并服务扩大内需战略[6] - 国际经验显示 人均GDP突破1万美元后 居民消费结构将加快向卫生健康等服务消费升级[6] - 2024年我国人均GDP超过1.3万美元 居民消费正处于向发展型、消费型升级的阶段[6] - 医保部门推进个人医保云建设 精准绘制包含个人医保健康档案、财务档案等的个人医保画像[7] - 此举将为医药、康养等健康服务拓展丰富的AI应用空间 在居民健康消费升级中发挥促进作用[7]

构建多层次陪护体系与产业发展 - 上海市政协委员建议构建“多层次、参与化、付费的”陪护体系以解决住院老人陪护难题[1] - 建议将陪护市场培育为介于护理和护工之间的新产业 采用类似“滴滴专车”模式 形成潜力巨大的新兴产业以吸引专业人才并创造就业[3] 人工智能与医疗健康深度结合 - 建议上海大力推动人工智能与医疗健康等民生领域深度结合 赋能人工智能大数据训练与产业发展[3] - 强调上海应构建高质量医疗语料库 并指出国家医保局推出的“个人医保云”是构建全国性个人健康档案基础 助推本地人工智能产业发展的重要机遇[3] 创新养老支付模式与服务供给 - 针对医保部门 建议探索创新支付模式 融合商业保险、个人支付与医保支付以提高服务可及性[3] - 针对卫生部门 建议为老年人提供更多差异化服务 例如为瘫痪老人提供一对一专业陪护[3] - 针对人社部门 建议建立陪护人员专业资格认证与职业晋升通道以关注队伍建设[3] 发放服务型养老消费券以刺激经济 - 有政协委员建言应从发放产品消费券转向发放服务型消费券 特别是泛养老消费券服务 其带动效应非常明显[5] - 测算显示 若财政投入3亿元 预计可带动80亿元的销售 因其销售粘性非常强 并能实现消费、养老、就业一举三得[5]

国家医保局启动“个人医保云”建设试点 - 国家医保局发布通知，决定开展“个人医保云”建设试点申报工作，旨在创新医保管理方式，推动人工智能等新技术在医疗保障领域的深度融合与有序应用 [1] - 试点目标是探索构建覆盖全人群、全周期、全场景的智慧医保管理新范式 [1] - 试点将以全国统一医保信息平台为基础，以数据要素为核心驱动，构建省（市）域个人医保云 [1] 试点核心内容与数据应用 - 试点重要工作是绘制个人医保画像，要求构建动态多维画像并运用数据分析技术进行动态更新 [2] - 个人医保健康档案将整合既往病史、手术史、过敏史、诊疗记录、健康监测数据等，以支持健康风险提示与就医参考 [2] - 个人医保财务档案将集成参保缴费、就医支出、账户收支等情况，以提供费用分析与医疗保障建议 [2] - 个人医保信息档案将归集基本信息、亲情关系、信用记录等，以支撑服务关联与信用体系建设 [2] - 基于上述档案数据，将运用数据分析技术为参保人提供个人医保画像综述，全面总结其享受医疗保障服务的情况，并提出个性化健康建议 [2] 试点目标与预期成果 - 通过汇聚、治理和应用多维度的个人医保健康数据，精准绘制包含个人医保健康档案、财务档案、信息档案等的个人医保画像 [1] - 目标是将个人医保画像转化为参保人可享、可感的智能化服务 [1] - 通过试点，期望形成一批架构科学、数据鲜活、应用实效显著的个人医保云建设与运营模式 [1]

个人医保云试点启动 - 国家医保局发布通知，计划自2026年2月至12月在部分地区试点建设个人医保云，探索构建覆盖全人群、全周期、全场景的智慧医保管理模式 [2] - 这是官方首次明确医保数据可围绕“个人”主体被持续组织和再利用，并以“试点”形式为地方探索数据使用边界与责任划分提供制度框架 [2] 个人医保云的定义与结构 - 个人医保云并非全新系统，而是建立在国家统一医保信息平台之上的一种“个人视角”的数据空间 [5] - 其目标是将原本分散在不同医院、药店和结算系统中的医保相关数据，以省（市）为单位，围绕“个人”重新汇集，形成个人医保数字档案 [5] - 档案边界不止于院内数据，未来将逐步对接可穿戴设备和家庭健康监测设备的数据接口，覆盖全生命周期 [5] 数据角色的重新定义与价值 - 在个人医保云框架下，医保数据首次被明确允许在结算后继续流动和重组，用于管理、评估和预测个人健康状况，而不仅限于费用报销判断 [7] - 对参保人而言，可优化跨机构就医信息连贯性、减少重复检查、使就医路径更顺畅 [11] - 对医保部门而言，其长期价值在于更精准的风险识别、更前置的费用预测和更精细化的基金管理工具 [11] 产业侧的机会与商业模式 - 试点制度为医疗信息化公司、健康科技企业、人工智能公司等产业侧打开了重要机会窗口，允许其在合规框架内连接医保数据 [14] - 建设模式预计为“政府提供基础、企业投入算力、平台生成价值”的协作关系：医保部门提供原始数据与平台，企业投入算力、算法和工程能力训练模型并生成个人动态健康画像 [17] - 企业可利用这些画像提供精准健康服务，并撮合由此激发的健康消费（如健康保险、慢病管理产品）以覆盖成本并获取收益 [17] - 个人健康画像建立后，可能通过本地化AI部署，为参保人提供健康管理建议、为医生提供辅助诊断建议，并打开个人健康消费空间 [17] 潜在的数据应用与受益方 - 在合法合规、安全可控和严格脱敏前提下，平台将探索为医工结合、AI赋能、医药研发、商业健康保险等产业提供匿名化、群体性的数据洞察与分析服务 [2] - 例如，医保影像云正推进将全国患者影像检查索引数据归集至云端平台，这些脱敏数据可为AI发展及相关设备研发提供高质量数据集 [17] - 头部互联网公司、人工智能企业、药企、保险机构及互联网平台等均可能成为受益方，利用数据支持疗效评估、精算创新、服务精准度提升等 [18]

全球与中国AI医疗健康市场趋势 - 每周有超过2.3亿人在AI平台上询问健康问题，全球AI医疗健康市场规模将在2026年达到560亿美元 [1] - 从2023年至2033年，中国AI医疗市场规模将从88亿元飙升至3157亿元，年复合增长率高达43.1% [2] - 截至2026年1月9日，国内现存AI医疗相关企业10.8万家，2025年全年注册2.48万家，同比增长22.38% [3] 中国政策与监管动态 - 国家医保局发布通知，将于2026年2月至12月在部分地区试点建设“个人医保云”，探索构建覆盖全人群、全周期、全场景的智慧医保管理新范式 [1] - 通知要求深化医保数据治理，并依法依规探索汇聚公共卫生、健康管理等数据，重点对接可穿戴设备、家庭智能监测设备等数据 [1] - 国家药监局及国务院办公厅近年发布多项指导原则与意见，规范并推动AI医疗器械发展，表明AI正成为医疗器械产业升级的驱动力 [4] 行业增长驱动因素 - 人口老龄化加速，到2035年中国老年人口预计将达4亿 [3] - 基层医疗资源不均衡，初级医疗机构误诊率高达30%～40% [3] - 国家政策的强力推动 [3] 主要应用领域与技术进展 - 医学影像已成为最成熟的赛道，AI阅片时间较人工缩短53%，检出率提升17.6% [5] - AI药物研发是增长最快的领域之一，能将传统研发周期缩短近40%，资金节省至少10%，成功率从约10%提升至约14% [5] - 脑机接口等前沿技术开始走向临床应用，目前非侵入式脑机接口占市场86% [5] - 生成式AI能理解文本、数据、图像并进行推理，可融入产品开发、临床沟通、服务运营的全过程 [5] 企业竞争格局与能力建设 - 行业竞争格局将重塑，未来将比拼在数据、算法和业务结合上形成持续优势 [6] - 数据积累深、对临床理解强、又能真正把AI整合进日常运营的企业将脱颖而出 [6] - 企业需将AI能力变成流程的一部分，如同质量体系、合规体系一样不可或缺 [6] 个人医保云与AI临床落地 - 个人医保云将整合参保人历年核心数据，并提供统一的查询、办理与支付入口，是AI落地临床应用的重要举措 [7] - 中国卫生健康专业人员普遍认可AI的助益，例如69%的人认为其可提升医疗干预精准度与及时性，77%的人视其为助力患者高效分诊的利器 [7] 行业面临的挑战 - 医疗数据呈现“多而不优、散而不通”的特征，医院间数据标准不统一，大量数据为非结构化，错漏残缺问题频出 [8] - 超过50%的医生日均工作超过8小时，20.6%超过10小时，工作负担重影响了数据质量 [8] - 跨医院、跨区域的数据共享面临隐私合规、授权机制和接口标准等障碍 [8] 解决方案与发展方向 - 解决数据问题的关键在于建立健全的数据合作机制，如通过联邦学习、隐私计算等方式实现数据不出医院的AI训练 [9] - 需让数据治理成为企业的核心能力，而不仅仅是技术部门的任务 [9] - 确保AI在医疗场景中的伦理与责任，需确保数据合规可靠、保障信息与产品安全全流程、并坚持“人机协同”的伦理导向，医生为最终决策者 [10]

政策与试点 - 国家医保局于1月11日印发通知，开展“个人医保云”建设试点申报工作，试点时间为今年2月至12月 [1] - 试点将在部分地区进行，旨在探索构建覆盖全人群、全周期、全场景的智慧医保管理新模式 [1] - 试点要求以全国统一医保信息平台为基础，构建省（市）域“个人医保云” [1] 数据整合与功能 - “个人医保云”将全面汇聚区域内定点医药机构的诊疗、结算、药品耗材使用等核心数据 [1] - 重点对接处理可穿戴设备、家庭智能监测设备、体检机构数据等，促进院内就医结算数据与院外健康传感器数据有效融合 [1] - 系统可为参保人构建详细的个人医保健康档案，整合既往病史、手术史、过敏史等信息，并实时更新健康监测数据 [2] - 基于数据，系统可提供健康风险提示，实现事前预防，并在疾病治疗过程中为参保人提供就医参考，帮助选择更合适的治疗方案 [2] 应用场景与影响 - “个人医保云”将改变医保以往主要作为事后补偿的功能，转向涵盖事前预防和事中干预 [2] - 在紧急急救场景下，医生可通过系统快速调阅患者全面健康信息，为抢救争取宝贵时间 [2] - 可穿戴设备等收集的健康数据上传云端，有利于提前采取措施和快速实施急救，对院前急救和居家老人健康检测产生积极深远影响 [2] - 该举措是医保数字化改革的重要成果，旨在提升医疗服务质量，为患者带来更加便捷、高效、优质的保障与服务 [3] 实施基础与挑战 - 建设“个人医保云”顺应数字化、智能化时代发展潮流，是在已有医保信息平台基础上的进一步深化改革 [1] - 过去医保管理依赖传统人工操作和纸质记录，效率低下且容易出错，后续信息化仍有提升空间 [1] - 实施面临数据安全与隐私保护挑战，需建立严格的数据安全管理制度并采用先进的加密技术 [3] - 不同地区、医疗机构的数据标准可能存在差异，需要制定统一数据标准并加强部门间协调以打破数据壁垒 [3] - 对于年龄较大、对新技术接受度较低的人群，需要开展相关的宣传和培训工作以引导使用 [3]

个人医保云试点启动 - 国家医保局于1月11日发布通知，决定开展“个人医保云”建设试点申报工作，计划于2026年2月至12月在部分地区进行试点 [1] 试点核心目标与内容 - 试点旨在探索构建覆盖全人群、全周期、全场景的智慧医保管理新范式 [1] - 试点内容主要包括深化医保数据治理、拓展医保数据来源以及构建动态多维画像三个方面 [1][2] 数据治理与汇聚 - 深化医保数据治理：基于全国统一医保信息平台，全面、实时汇聚并治理区域内定点医药机构的诊疗、结算、药品耗材使用等核心业务数据，建立常态化数据质控机制 [1] - 拓展医保数据来源：依法依规探索汇聚公共卫生、健康管理等数据，重点对接处理可穿戴设备、家庭智能监测设备、体检机构数据等，促进院内就医结算时点数据与院外健康传感器时期数据的有效融合 [1] 个人画像构建与服务 - 构建动态多维画像：运用数据分析技术，为参保人构建并动态更新多维度个人画像 [2] - 个人画像包括整合诊疗记录与健康监测数据的个人医保健康档案、集成参保缴费与就医支出的个人医保财务档案，以及归集基本信息与信用记录的个人医保信息档案 [2] - 基于个人医保档案数据，为参保人提供个人医保画像综述与个性化健康建议 [2] 个人医保云定义与功能 - 个人医保云是指依托全国统一医保信息平台，为每位参保人构建的专属、安全的线上医保服务空间 [2] - 该空间将整合参保人历年参保信息、缴费记录、就医结算明细、个人账户余额、电子凭证等核心数据，并提供统一的查询、办理和支付入口 [2] - 旨在解决群众办理医保业务时面临的跨地区信息不通、材料重复提交、窗口排队等候等问题，实现“数据多跑路，群众少跑腿” [3] 服务便捷性与安全性 - 参保人未来可通过手机APP、小程序等渠道登录个人医保云，随时随地办理参保登记、关系转移、异地就医备案、费用结算等大部分业务 [3] - 平台将采用严格的数据加密技术、隐私计算和授权访问机制确保数据安全，所有数据访问和业务操作都将留有痕迹并接受全方位监管，参保人对自身数据享有知情权和管控权 [3] 创新服务与行业意义 - 个人医保云将探索基于个人健康医疗数据（在充分授权和保护前提下）提供个性化健康管理建议、医药费用分析、医保政策精准推送等创新服务 [3] - 此举被视为深化医疗保障制度改革的关键一步，标志着治理理念从“以机构为中心”转向“以参保人为中心” [4] - 有助于缩小地区间医保服务差距，促进基本医保公共服务均等化，并为应对人口老龄化、慢性病管理等挑战提供数字化解决方案 [4] - 为未来医保支付方式改革、基金精细化管理以及商业健康保险的发展提供了数据基础和技术支撑 [3] 试点推进与展望 - 试点工作将分步骤、分阶段推进，初期重点在于打通数据壁垒、夯实基础服务功能并保障系统稳定安全运行 [5] - 后续将根据试点反馈逐步拓展服务范围，引入更多智能应用，并研究与其他政务服务平台、医疗机构信息系统的深度协同 [5] - 试点将率先在部分信息化基础好、服务能力强的地区展开，以探索可复制、可推广的建设与运营模式 [2] - 随着个人医保云的普及，预计每位参保人将拥有一个随身携带的“医保管家”，就医报销将变得更加简单、透明、智能 [5]

个人医保云试点项目启动 - 国家医保局计划于今年2月至12月在部分地区开展“个人医保云”建设试点，旨在构建覆盖全人群、全周期、全场景的智慧医保管理新模式 [1] - 试点将在全国统一医保信息平台基础上，建设覆盖本省（市）域的“个人医保云”系统 [1] 系统数据整合与汇聚 - 系统将汇聚区域内定点医药机构的诊疗、结算、药品耗材使用等核心业务数据 [1] - 系统将探索与可穿戴设备、家庭智能监测设备、体检机构等多源健康数据对接，实现院内诊疗信息与院外健康数据的融合汇聚 [1] - 目标是促进“院内就医结算时点数据”与“院外健康传感器时期数据”的有效融合 [1] 数据应用与产业协同 - 在确保网络和数据安全的前提下，试点地区可探索向医药研发、健康管理、智慧养老等产业提供合规数据支撑 [1] - 此举旨在促进“医保+”产业生态的协同发展 [1] 参保人多维度健康画像构建 - 将运用数据分析技术为参保人构建并动态更新多维度个人画像 [2] - 个人医保健康档案将整合既往病史、手术史、过敏史、诊疗记录及健康监测数据，以支持健康风险提示与就医参考 [2] - 个人医保财务档案将汇总参保缴费、就医支出、账户收支等情况，为参保人提供费用分析与保障建议 [2] - 个人医保信息档案将归集基本信息、亲情关系、信用记录等，以支撑服务关联与信用体系建设 [2]

政策背景与目标 - 国家医保局发布通知，旨在开展“个人医保云”建设试点申报工作 [1] - 该试点旨在贯彻落实国务院关于深入实施“人工智能+”行动和加快新场景应用的意见 [1] - 核心目标是创新医保管理方式，推动人工智能等新技术在医疗保障领域的深度融合与有序应用 [1] - 最终目标是探索构建覆盖全人群、全周期、全场景的智慧医保管理新范式 [1] 试点计划与范围 - 试点建设时间为今年2月至12月 [1] - 试点将在部分地区进行 [1] - 探索构建覆盖全人群、全周期、全场景的智慧医保管理新模式 [1] 技术架构与数据整合 - 要求试点地区以全国统一医保信息平台为基础，构建省（市）域个人医保云 [1] - 需要全面汇聚区域内定点医药机构的诊疗、结算、药品耗材使用等核心数据 [1] - 重点对接处理可穿戴设备、家庭智能监测设备、体检机构数据等 [1] - 目标是促进院内就医结算数据与院外健康传感器数据的有效融合 [1]