“十四五”时期卫生健康体系建设成就 - 建成全球规模最大的医疗卫生服务体系和医疗保障体系 体量和体系化程度全球领先 [2] - 基层“15分钟医疗服务圈”全国覆盖率超过90% 居民步行15分钟即可到达医疗机构 [2] - 托育服务实现从无到有的突破 许多地方依托基层医疗机构和社区卫生服务中心开展 [2] - 2024年人均预期寿命达79岁 婴幼儿死亡率和孕产妇死亡率进入发达国家前列 健康相关SDGs指标整体排名靠前 [2] - 经受住世纪疫情严重冲击 成为全球少有的能快速走出大流行冲击的案例 [3] - 卫生健康领域法治建设成果突出 多项重要法律法规在此期间出台 [3] 当前医疗服务体系面临的挑战 - 存在服务供给增速跟不上群众需求升级的矛盾 居民对多层次多样化医疗服务需求不断释放 [4] - 人口快速流动对现行卫生体系提出考验 农村乡镇人口减少使“一老一小”医疗需求更加集中 基层医疗在公益性需求强与有效社会需求不足的张力中运行 [4] - 人口老龄化加速使慢性病多病共患日益普遍 覆盖诊疗康复长期照护的整合型服务仍显不足 康复护理和长期照护需求因支付能力有限难以完全承受 [5] “十五五”时期政策方向与体系建设 - 构建优质高效的整合型服务体系作为重要方向 推动医疗服务从单体机构向区域协同转变 [5] - 以地市或区县为单元 通过县域医共体城市紧密型医疗集团专科专病联盟和远程医疗协作等方式 打破机构壁垒形成协同服务网络 [5] - 医保支付方式改革同步推进 探索以医共体为整体的打包支付机制 为资源统筹和内部协同提供制度支撑 [5] “十五五”时期“一老一小”焦点问题举措 - 生育支持政策覆盖多个关键环节：从保护生育力前端入手设立早孕关爱门诊并推广 辅助生殖技术逐步纳入基本医保 托育服务持续加强 并设计生育奖励和补贴政策可能采取一次性按月或按年多种形式 [6] - 政策取向正逐步从投资于物转向投资于人 通过提高全社会对生育群体的关照程度稳定和提升生育意愿 [6] - 老龄服务重点放在康复护理资源扩容及老年人医疗照护体系完善 持续推进长期护理保险并探索拓展其他保险形式以解决筹资问题 [7] - 老年人照护成本高服务难度大 完全依靠家庭承担难以持续且存在公平性问题 需在服务供给和筹资机制间探索更可行解决方案 [7] 人工智能在医疗领域的应用定位 - 医疗领域引入人工智能是必然趋势 关键在于怎么用用在什么位置 [8] - 目前多数医院使用基于专家指南的临床辅助决策系统 属于专家引导下的小模型系统 [8] - 医疗领域更适合采用专家主导的人工智能小模型和神经网络分析体系 用于辅助诊疗流程和规范操作 [8] - 人工智能在医疗场景中承担技术赋能和数据治理角色 帮助基层医生将零散非标准化信息转化为结构化可用数据模块 而非直接替代医生处方或诊断 [8] - 更现实迫切的需求在于通过信息化和人工智能手段弥补基层医疗能力短板 [8] - 人工智能定位始终是聚焦细分领域解决具体问题 而非打造智能医生替代人工诊疗 医生将始终处于医疗服务体系核心位置 [9]

【环球时报-环球网报道 记者 樊巍 赵瑜莎】"十四五"时期是卫生健康工作极不平凡的五年。在"十四 五"时期，我国坚持预防为主，建成世界上规模最大的疾病预防控制体系、最大的医疗服务体系，卫生 健康服务的能力水平、可及性、公平性都得到了持续改善和提升。近日，国家卫健委相关专家在接受 《环球时报》记者专访时表示，在"十四五"期间，我国卫生健康事业体系建设取得显著成效，无论是医 院的整体规模与服务能力，还是基层医疗卫生服务水平，都实现了明显提升。而在"十五五"时期，围 绕"一老一小"等社会关注的焦点问题，在政策设计和制度安排上会有一些明确、具有方向性的举措。 我国已建成全球规模最大医疗保障体系 "'十四五'时期，我国的疾控体系和医保体系建设取得重大进展，我国已建成全球规模最大的医疗卫生 服务体系和医疗保障体系，尽管在质量和效率上仍有提升空间，但其体量和体系化程度在全球范围内处 于领先地位。"国家卫生健康委卫生发展研究中心主任诸宏明在接受《环球时报》记者专访时介绍称， 以基层"15分钟医疗服务圈"为例，目前全国覆盖率已超过90%，在绝大多数地区，居民步行15分钟即可 到达一家医疗机构。此外，"十四五"期间，我国的托育服 ...

文章核心观点 - 国务院政策推动“人工智能+”行动，医疗健康成为核心应用领域，AI技术从“可选”变为“必选”，目标是提升基层医疗服务能力和效率 [2] - AI技术正在重构医疗服务的全链条，行业已从概念验证进入规模化落地的关键期，形成了临床辅助决策、医学影像分析、数据价值化、患者全周期服务等核心应用赛道 [3] - 尽管技术、商业和生态层面仍面临挑战，但行业预计将在2026年进入规模化落地的新阶段，通过技术创新和商业模式探索实现深度融合 [22] 政策与市场前景 - 2025年8月，国务院发布《关于深入实施“人工智能+”行动的意见》，明确提出在医疗健康领域探索推广居民健康助手，推动AI在辅助诊疗、健康管理等场景的应用 [2] - 到2025年，全球人工智能应用市场总值预计达1270亿美元，其中医疗行业将占五分之一 [2] - “AI+医疗”市场规模年均复合增速预计超过29%，到2032年将达到700亿美元 [2] 技术应用与演进 - 临床辅助决策系统（CDSS）经历了从规则驱动、知识图谱驱动到大模型驱动的三次迭代，应用能力实现质的飞跃 [3] - 早期规则驱动系统（如MYCIN）基于约600条规则，仅能处理特定病种，更新困难 [4] - 知识图谱驱动型CDSS（如东软早期版本）能支持1000多种疾病的辅助诊断，但更新投入巨大 [5] - 大模型技术实现革命性突破，东软升级后的CDSS系统已能支持10000多种疾病的智能辅助诊断，Top5诊断准确率达91.54%，超过80%左右的人类专家平均水平 [5] - 医学影像AI是多模态融合的重要方向，东软研发的模型能整合CT、核磁、病理等数据，为手术规划（如脑胶质瘤）提供建议 [6] - 生成式AI在皮肤病筛查等方向提升效率，京东健康基于大模型的AI辅诊准确率超过95% [13] 商业模式与落地案例 - 医学影像AI的商业模式正从“产品销售”向“服务收费”转型，例如东软布局的血管健康度分析服务，通过影像云为患者提供AI生成的评估报告 [7] - “人机协同”服务模式走在前列，AI可辅助家庭医生完成50%以上的工作，实现流程自动化和体系规范化 [7] - 平安的AI医生作为7x24小时数字家庭医生，常见病诊疗准确率超95%，健康咨询准确率97%，问诊准确率98%，用户规模达千万级 [11] - 在慢病管理中，AI全程督促使人工健管师能提供更有温度的服务，80%—90%的用户推荐使用AI+人的管理模式 [8] - 京东互联网医院皮肤医院的专病随访服务，患者付费转化率达20% [13] 行业挑战 - 技术层面面临可解释性（“黑盒”特性）和数据质量两大挑战，医疗行业要求AI决策不仅要准确还要可解释 [16][17] - 数据挑战包括医疗机构数据标准化程度低、缺乏高质量中文语料、数据共享机制缺乏等，影响模型训练和泛化能力 [17][18][19] - 商业层面面临研发和部署成本双高、变现困难、投资回报率偏低等问题 [19][20] - 一个AI医疗项目前期投入往往需上千万元，回收周期长达3—5年 [21] - 商业变现困难，医院不愿为AI增值部分买单，且AI医疗服务尚未纳入医保报销范围 [21] - 不同层级医疗机构付费能力差异大，三甲医院议价能力强，基层机构付费能力有限 [21]