一、背景

近年以来，人工智能日益成为我国新质生产力的重要推动力量。国家发展改革委、工业和信息化部、国家数据局等多个部门，牵头推进人工智能产业重大项目建设，奠定产业发展基础，密集出台算力、算法、数据等相关政策措施，形成政策组合拳，人工智能赋能千行百业已经成型成势，也促进了DeepSeek等一大批国际领先的大模型诞生和人工智能行业应用的涌现。在卫生健康领域，国家卫生健康委、国家中医药局、国家疾控局2024年11月研究制定并发布了《卫生健康行业人工智能应用场景参考指引》，从四大领域十三个类别，给出了84个应用场景，推进“人工智能+医疗健康”应用创新发展。卫生健康领域以自身海量的数据、丰富的场景，成为人工智能应用的最佳行业之一，人工智能产业与卫生健康行业形成双向赋能发展之势。

放眼国际，人工智能已成为大国博弈的必争之地，卫生健康更是人工智能应用重点发力领域。2025年1月，美国卫生与公共服务部（HHS）发布了国家级《卫生、人类服务和公共卫生人工智能战略计划》，通过人工智能推动医疗研究与发现、医药产品开发、医疗保健供给、患者服务体系和公共卫生的变革。美国总统特朗普1月21日宣布启动“星际之门（Stargate）”项目，由OpenAI等企业共同发起，将投资5000亿美元，主要目标之一是挖掘人工智能在癌症治疗领域的潜力，通过药物设计，实现癌症精准治疗，为卫生健康领域带来革命性变革。1月23日，美国总统特朗普签署了一项行政命令，废除了拜登政府不利于人工智能发展的政策，力求加强美国在全球人工智能领域的主导地位。2月10日，在法国巴黎举办的AI行动峰会上，欧盟委员会主席冯德莱恩宣布欧盟将为欧洲AI发展筹集总额2000 亿欧元（约合1.6万亿人民币）的投资。

由此可见，医疗健康领域是人工智能发展的必争之地，为了加快抢占战略制高点，需要结合我国卫生健康领域行业特点，加快推进人工智能医疗健康应用。

二、问题

人工智能在我国医疗健康领域的应用已经具备了一定的基础，且我国医疗健康服务体量大，应用场景横向面广、战略纵深大，具备一定的破局优势。但结合国际经验和行业特点，目前推进我国人工智能医疗健康应用发展也面临以下几个方面的突出问题，需要尽快取得突破。

一是高质量数据稀缺。高水平人工智能医疗健康应用的生成需要高质量医疗健康数据的支撑。人工智能应用的研发或大模型的训练需要大量专业数据，目前大量数据分散在各个医疗卫生机构，数据标准和质量也参差不齐，高质量数据需要规范的数据标注，需要投入大量人力物力。二是跨领域人才缺乏。算法的竞争即人才的竞争。然而国内医疗健康人工智能领域缺乏既懂医疗专业知识又懂人工智能技术的复合型人才。三是低水平应用泛滥。在应用层面，目前国内已有超过200个医疗大模型问世，看似各种所谓医疗健康行业人工智能应用如雨后春笋般涌现，但大多是雷声大雨点小，实践效果不佳，还在低水平应用及无序重复建设阶段，缺乏统筹建设和高质量高价值的应用开发探索。四是高价值应用入院难。企业与临床联合研发的人工智能应用，参考药械等审批程序复杂，需要经过拿证、定价、入院采购等流程，周期长，阻碍了应用落地。且人工智能应用在医疗机构尚未形成系统性的收费保障机制，难以面向患者推广，医疗机构积极性不高。

三、分析及建议

建议国家层面做好组织统筹，加强资源调度，加大投资力度，集中优势力量重点发力，带动形成行业产业生态链合力，才能把握人工智能发展主动，参与全球医疗健康人工智能竞争，抢占全球医疗健康人工智能发展的战略制高点，打赢大国之间人工智能的“上甘岭战役”。具体分析建议如下。

（一）加快推进国家人工智能医疗健康应用（中试）基地建设。

人工智能发展是大国博弈的关键所在，国家人工智能医疗健康应用（中试）基地是大国在人工智能领域角力的重要舞台。从美国和欧盟近期的动作来看，均在集中优势力量突破人工智能+医疗领域难题。因此，在医疗健康领域高质量人工智能应用的研发，需要汇集全行业的高质量数据、各领域高水平人才，集中大量的算力等资源，在一个行业内不宜分散建设甚至重复建设。

建议国家发展改革委以国家人工智能医疗健康应用（中试）基地这一“两重”项目为核心抓手，选择北京、上海、浙江等资源丰富、要素集聚、产业完善、组织有力、基础扎实的地区牵头，加速推进基地建设，集中力量办大事，在国家统筹下建立统一标准体系，搭建共性支撑能力，加快汇聚医疗健康领域高质量数据集、先进算法、集约化算力3大要素，形成人工智能医疗健康产业的公共服务平台，实现人工智能和卫生健康的双向奔赴，促进行业产业共同的高质量发展。

（二）健全医疗数据要素流通与安全体系。

医疗健康数据具有隐私性强、行业门槛高、共享应用难等行业特殊性。医疗数据确权、交易、隐私保护等法规尚未健全，缺乏医疗健康数据安全流通交易的法规及渠道，制约医疗健康行业数据的市场化配置。且仅靠单个或几个医疗机构与企业的数据交易，难以产生高质量的人工智能产品。高质量数据稀缺导致人工智能应用训练生成的要素匮乏，亟待建立集中、统一的数据采集、治理、共享开发的平台和机制。

建议国家数据局会同国家卫生健康委，健全数据流通与安全法规。出台医疗数据分类分级管理办法，明确匿名化数据交易规则；建立数据安全风险评估机制，防范隐私泄漏风险；鼓励建立医疗数据流通交易的行业可信空间，形成市场化流通渠道。

（三）强化跨领域高技术专业人才培养。

DeepSeek的算法优势来自其创造性人才队伍的搭建，Scale AI CEO在今年1月就赢得中美人工智能战争致特朗普的信中也特别提出，建议美国政府在面向未来的人才培养方面，加大政策和资金投入，力求在中、美人工智能领域激烈竞争中，始终保持领先优势。我国在医学和人工智能跨界复合型人才培养上还需提升。一是高校相关学科设置相对滞后，专业课程体系不完善，实践教学环节薄弱，难以培养出满足行业需求的专业人才。二是行业内缺乏完善的人才培养和继续教育机制，在岗人员难以通过系统学习提升自身的跨学科能力，也缺乏有效的激励方式和学习途径。人才的短缺导致企业在研发、应用和推广人工智能医疗产品过程中面临重重困难，创新能力不足，影响了行业的整体发展进程。

一是建议教育部会同国家卫生健康委深化产教融合培养模式。支持头部工科院校和医学院校开设“医学+人工智能”双学位项目，采用“双导师制”（临床专家与人工智能科学家），培养跨学科领军人才。开设“人工智能医疗产品工程化”实践课程，提供实践基地。支持行业领军人才带项目在基地开展实践教学。支持将人工智能课程纳入医疗健康行业在岗人员继续教育体系，形成激励政策和成长渠道。

二是建议科技部设立人工智能医疗健康专项创新基金。针对底层算法、多模态融合等“卡脖子”技术，设立政府引导基金，鼓励企业联合科研机构攻关，对突破性成果给予奖励。

（四）推动全链条协同创新，加速商业化闭环。

人工智能医疗健康应用孵化存在数据与研发脱节、临床与市场脱节等情况，存在临床数据出不去、应用产品进不来的现象。导致应用产品缺乏高质量训练数据，缺乏针对临床痛点的深度解决方案，医疗机构和患者的体验感、获得感不足，产品难以融入真正的临床诊疗流程。

建议医保部门加速人工智能创新应用产品的新增医疗服务价格立项审批流程，创新人工智能应用定价方法和支付方式，对具有临床突破性价值，治疗费用较高的应用产品，探索建立基于证据的有条件支付模式。建立技术服务采购规范和流程，探索建立按服务次数付费、按诊疗效果付费等多种支付方式。