问题——重疾诊疗中“看不懂、选不准、付不起”的难题依然突出。以乳腺癌等高发肿瘤为例，患者往往要面对一摞检验检查报告，不同医生建议之间反复权衡：一类方案包含新技术、跨境用药或细胞治疗等，费用可能达到百万元级，且多不在基本医保支付范围；另一类则依据临床指南实施标准化综合治疗，整体费用相对可控。信息不对称叠加时间压力，使不少家庭在“救命”与“致贫”之间承受沉重的心理与经济负担。基层地区这个困境更为明显，优质资源分布不均深入抬高了决策难度。原因——医疗知识门槛高、证据更新快与支付结构复杂相互叠加。一上，肿瘤等重症治疗周期长、涉及多学科，患者很难独立判断方案的循证依据与适应证边界；另一方面，新药新技术迭代迅速，指南、共识与真实世界证据不断更新，医生同样面临信息量过大带来的筛选压力。，我国多层次医疗保障体系在完善过程中，基本医保、商业保险与自费之间的边界仍较复杂，不同地区的支付政策、医院能力与药械可及性存在差异，进一步加深了患者对“同病不同治、同治不同价”的感受。影响——不仅关系到患者的生命质量，也影响医疗资源配置与支付的可持续性。对患者而言，信息不足可能导致过度治疗、延误治疗或产生不切实际的期待；对医疗体系而言，若高价但证据不足的干预被放大，可能推高总体费用并挤压更具成本效果的服务供给；对商业保险等支付方而言，重疾理赔压力上升，倒逼其提升风险识别与医疗管理能力。业内普遍认为，提高诊疗的规范化与透明度，是缓解医患焦虑、推动价值医疗的重要抓手。对策——医学人工智能正从“能问答”走向“能落地”，竞争焦点转向临床可用性。国际上，面向临床的循证检索与决策支持工具热度上升，一些企业凭借权威文献实时检索、证据标注等能力快速扩展医生用户。国内市场也在加速跟进，出现两类较典型路径：一类主打对话交互与通用入口，依托大模型与流量提升可获得性，但在严肃医疗场景仍需补齐可靠性、可解释性与临床闭环；另一类聚焦垂直工具，通过知识图谱、结构化证据与检索能力提升专业效率，但如果仅停留在“提供信息”，仍难直接解决患者路径管理、转诊协同与费用控制等现实问题。，中国平安提出以多学科会诊为牵引的医学智能平台思路，尝试打通“诊疗建议”与“支付管理”。据企业介绍，该平台汇聚约5万名外部专家资源，并结合其积累的肿瘤理赔与医疗服务数据进行训练迭代，目标是为重疾患者提供更贴近临床路径的方案建议与就医协同，辅助识别不必要或证据不足的高价治疗，推动服务从“事后理赔”向“事前、事中管理”延伸。业内观察认为，支付方的参与有助于强化成本约束与规范化导向，但也需要在医疗自主权、数据安全与公平可及之间明确边界，并建立相应治理规则。前景——从“技术可用”走向“体系可用”，仍需多方协同。专家指出，医学人工智能要在重疾领域真正发挥作用，关键不仅在算法能力，更在高质量数据治理、权威指南与真实世界证据的持续更新，以及与医院信息系统和质控体系的兼容对接。同时，对应的应用应加强风险提示与可解释机制，明确责任边界，避免被包装为“替代医生决策”的角色。未来，随着分级诊疗推进、医保支付方式改革深化以及商业健康险发展，面向重疾的多学科协同与智能化管理有望在更多地区落地，推动优质诊疗资源下沉，提高治疗一致性与可负担性。
医疗人工智能的发展，最终要回答的是：技术如何真正服务患者。无论是以信息检索为主的工具型产品，还是深入诊疗流程的平台型服务，都应以提升医疗质量、降低患者负担为目标。中国平安的探索提供了一种路径：让技术创新直面诊疗与支付的真实痛点，解决问题的过程中形成价值。这条路更难走，但可能更贴近医疗人工智能应有的方向。随着技术成熟与机制完善，医疗人工智能有望在缓解“看病难、看病贵”上发挥更大作用，让优质医疗资源覆盖更广人群。