国家卫健委等五部门联合发布了《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》（国卫办规划发〔2025〕30号）。
如果用一句话概括这份文件的定位：
把“人工智能+医疗卫生”从试点探索，正式拉到一个有时间表、有场景清单、有监管框架的“全行业工程”。
谁会直接受影响？
各级医疗机构（尤其是县域医共体、二级以上医院、专科医院） 医疗信息化厂商 / 数字医疗公司 医学影像、检验、康复、智能医疗装备企业 做医疗大模型、医疗智能体的 AI 团队 园区、产业方：布局“智能医疗”“大健康”的地方政府和投资机构
这篇文章，我们重点回答三个问题：
文件到底在画一张什么样的“AI 医疗路线图”？ 8 大应用板块里，医院、厂商、开发者各自有哪些实打实的机会？ 如果你在做医疗相关的 AI/系统/产品，现在应该怎么优先布局？
一、时间表与顶层设计：2027、2030 两个关键节点
文件给出了很清晰的两阶段目标。
1. 到 2027 年，要看到的“可感知变化”
建成一批高质量医疗数据集和可信数据空间； 形成一批临床专病专科垂直大模型和智能体应用； 基层诊疗智能辅助、专病诊疗智能辅助决策、患者就诊智能服务广泛应用； 建成一批医疗领域的国家人工智能应用中试基地； 打造更多高价值应用场景，带动健康产业发展。
翻译一下：
到 2027 年，AI 在医疗领域不再是“零散试点”，而是要形成：
有数据底座（高质量数据集 + 可信数据空间） 有垂直模型（专病、专科大模型） 有智能体应用（基层医生助手、影像助手、患者服务助手） 有试验场（中试基地），能孵化和验证更多应用。
2. 到 2030 年，要达到的“新常态”
基层诊疗智能辅助基本全覆盖； 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 “人工智能+医疗卫生”的应用标准规范体系基本完善； 形成一批全球领先的科技创新和人才培养基地。
这意味着：
医疗 AI 不再是“锦上添花”，而是变成“没有就不合格”的基础能力。
二、8 大应用板块：AI 在医疗体系里具体要做什么？
文件把“人工智能+医疗卫生”的应用拆成 8 大板块、24 条具体任务。我们按“谁会用+怎么用+机会点”来拆。
（一）人工智能+基层应用：县域医共体与基层医生的“AI 装备升级”
这里的核心逻辑是：用 AI 把基层托起来。
1. 县域医共体智能化：影像、检验、病理等“中心+AI”
以县域医共体为单位，强化： 影像诊断中心 心电诊断中心 检验中心 病理诊断中心 消毒供应中心 这些中心要成为 AI 应用的主阵地，向下支撑乡镇卫生院、社区卫生服务中心。
机会：
对信息化厂商 / AI 团队： 结合工作流 与 HIS/EMR/区域平台打通 做到可追溯、可审计。 “区域影像云 + 智能阅片” “区域检验云 + 智能结果解读” 典型产品路径： 重点不只是单点算法，而是：
2. 基层医生智能辅助诊疗：从“医生一个人”到“医生+智能助手”
针对常见病、多发病，建立基层智能辅助诊疗应用： 辅助诊断、处方审核、随访管理、中医诊疗等 强调全科辅助诊断、疾病鉴别诊断、影像辅助诊断能力
这非常适合做成一个“基层医生智能体”：
输入：症状、体征、初筛结果、既往史等； 输出： 鉴别诊断建议 初步检查建议 合理用药建议 随访和健康管理建议。
3. 智能慢性病管理 & 居民健康画像
建立智能慢性病管理和个人健康画像应用； 推动电子健康档案向个人开放； 做：慢病筛查、分级评估、个性化干预、自我管理工具。
机会：
慢病管理 SaaS / 健康管理平台，
会迎来一个“政策+数据+场景”的叠加窗口：和基层医疗机构合作接入真实数据； 做糖尿病、高血压、冠心病、COPD 等专病智能管理工具。
（二）人工智能+临床诊疗：影像、专病、康复和用药的全面智能化
4. 医学影像智能诊断：从“做单病种”到“做器官多病种”
支持省级集约化开展： 影像辅助诊断 报告生成 影像质量评价 提供治疗方案建议 鼓励二级以上医院，从单病种扩展到“单器官多病种”智能辅助。
对影像 AI 公司：
明确提了“器官多病种”，意味着： 高质量多病种数据集 更复杂的模型和验证体系 同时提到： 选择高水平医院做高质量数据汇聚和应用研究，支持大模型研发和迭代。
→ 这是“AI 影像+大模型联合实验室”的政策依据。
5. 临床专病辅助诊疗：国家医学中心的“智能决策平台”
聚焦儿科、精神、肿瘤、罕见病等重大疑难疾病； 在国家医学中心、区域医疗中心里，拓展智能临床决策支持。
机会点：
对顶级医院 + AI 团队： 这是做“专病大模型”“专病智能体”的超标配场景。 对产业： 在这些中心验证成熟的专病 AI 方案，
后续可以向全国复制推广。
6. 智能康复和用药服务：机器人和智慧药房
推广康复机器人、中医针灸推拿机器人等； 推广智慧药房： 处方调剂 药品核对 处方前置审核智能化
对设备厂商和信息化厂商：
康复、理疗、中医相关智能设备，将获得政策驱动应用； 药学信息化（审方系统、药房管理）有强烈的“AI 升级”需求，
尤其是审方、药品交互风险提示等。
（三）人工智能+患者服务：患者侧体验的“全流程重构”
这里是患者最能直接感受到的部分。
7. 全流程患者智能服务
二级及以上医院要为患者提供：
精准预约、分诊、导诊 智能预问诊 云陪诊、智能随访 床旁智能设备：病情监测、智能护理 检查检验结果跨机构互认共享 移动支付、医保一站式结算、保险快速理赔、满意度调查、院后管理等智能服务
可以把它理解为：
未来大部分医院会有一个“患者就诊智能体 + 智能服务中台”。
线上：小程序/APP 里的导诊、问诊、排队、缴费、随访 线下：自助机、床旁设备、呼叫系统与智能体联动
8. 智能转诊服务
省级统筹，建设智能转诊系统； 根据资源分布、科室负载、患者病情紧急程度，智能分配转诊资源。
对做区域卫生信息平台的厂商：
“区域智能转诊系统 + 分级诊疗决策支持”，
会成为一个标配功能，
同时也是“AI+区域医疗规划”的入口。
（四）人工智能+中医药：中医大模型和智能设备被正式点名
9. 中医诊疗大模型与知识库
以中医临床真实世界数据、循证数据为基础； 构建中医临床专病知识库、用药知识库； 支撑中医诊疗大模型，提升中医辅助诊疗能力和合理用药。
10. 中药全周期智能管理
中药材全流程追溯系统； 道地药材种植数字孪生（生长过程监测、指导、追溯）； 中药炮制过程数字采集与智能分析。
11. 中医智能设备升级
中医智能诊断设备（“四诊”信息量化采集和分析）； 针灸、推拿机器人； 中药个性定制智能煎制装备。
对中医药产业链：
这是一个非常完整的“数据—模型—设备—产业”闭环机会； 基于中医临床数据 + 中药研发数据，可以做： 组合药物优选模型 新方剂发现与优化 个体化中医诊疗建议。
（五）人工智能+公共卫生：监测预警与应急处置智能化
这一块继承了疫情后形成的公共卫生数智化趋势。
12. 传染病监测预警智能化
建立“监测—预警—处置”闭环； 升级智能流调系统； 国家传染病智能监测预警前置软件，全国部署应用； 对病例聚集、异常变化做智能分析。
13. 卫生应急管理与处置
整合各类卫生健康数据； 用 AI 预测预警应急风险，推荐处置方案； 实现突发公共卫生事件的智能处置。
14. 重点疾病与人群管理
病理、B 超、放射影像智能辅助早筛； 职业病早期智能诊断与个人防护装备； 心理问题智能监测，重点关注学生群体。
对 AI 团队：
公卫智能监测、流行病模型、心理健康智能筛查，
都是很典型的“多源数据+预测模型+智能体”场景。
（六）人工智能+科研教学：医学科研与新药研发的“AI 引擎”
15. 科研全流程智能化
在文献综述、研究方案生成、数据收集分析、科研资源管理、科研数据安全等环节，部署智能体； 建设研究型病房、智能临床实验平台。
16. 健康科普与学术评价
面向公众的个性化智能健康知识推送； 面向医务人员的文献分析、科学问题发现、学术评价智能工具。
17. 药物研发与中药创新
医疗机构与药企协同，开发新药筛选模型，加速新药研发； 利用中医临床数据和中药应用数据，建立组合药物优选模型，辅助中药组方创新。
（七）人工智能+行业治理：管理和监管的“双智能化”
18. 医院智能管理
医疗质量、费用、单病种成本等的精细分析； 装备和耗材智能调配； 手术室、药房、物流、后勤、安全等智能管理。
19. 行业智能监管
“医疗、医保、医药”协同治理； 对资源、服务、质量、安全、能级的智能监测和预警； 省级区域智能辅助决策系统。
20. 应急救治体系智能化
全国统一的智能急救指挥系统； 智能血液管理、短缺药监测预警系统。
（八）人工智能+健康产业：智能健康服务与装备的产业化升级
21. 智能健康服务新业态
智能体检、健康咨询、健康管理等新业态； 智能理疗技术、AI 健康顾问类产品。
22. 智能医疗装备创新能力
支持企业与医疗机构、科研院所联合攻关； 聚焦影像、检验、治疗、监护等装备的智能升级； 支持国产智能医疗装备的首台（套）应用和推广。
23. 智能信息产业创新
标准数据集、语料库、核心应用组件研发； 建可信数据空间，鼓励垂直大模型和专业医疗智能体孵化。
这几条，对做“医疗大模型 + 医疗智能体”的团队，是非常直接的政策信号。
三、算力、数据、算法、人才、标准：AI 医疗的“底座怎么搭？”
文件专门用一章讲“夯实应用基础”。
重点有五件事：
全民健康信息平台和数据中心
国家+省两级平台，四级纵向联通、横向覆盖所有机构； 用身份证作为个人健康信息唯一标识； 建国家医疗健康数据中心和灾备中心。 数据供给：三医协同和跨部门共享
医疗、医保、医药和其他部门数据要打通； 优化数据收集、标注流程，提升数据质量。 算力和算法
省级统筹行业公共支撑平台，提供统一算力服务； 鼓励核心算法研发、垂直大模型开发； 推动医学 AI 开源软件建设。 中试基地
围绕临床、患者服务、科研、药械研发、中医、传染病，建中试基地； 要具备算力、模型、数据、应用中试验证等全栈能力。 科技与人才与标准
把 AI 医疗纳入国家科技重大项目； 建立规范、伦理规则、风险预警体系； 培养复合型人才，完善成果转化机制。
四、监管和安全：几条“红线”和未来的合规框架
这部分是所有做医疗 AI 的团队都必须重点看的。
行业管理和审核体系
实行分级分类管理； 按服务对象、用途、风险等级制定评估标准； 推动医疗领域大模型规范备案； 优化应用审核流程。 监管方式和预警机制创新
对研发、审评、准入、应用全链路监管； 建立大模型应用评测验证； 从医疗质量、安全、隐私、数据安全等维度做“穿透式监管”。 数据安全和隐私保护
临床数据授权运营管理制度； 数据安全与个人信息保护负面清单； 智能应用数据安全防护体系。
翻译成实操要点：
做医疗大模型/智能体，必须有：
明确的数据使用边界与授权机制； 完整的可追溯日志和审计能力； 针对高风险场景的人工复核机制； 严格的隐私保护与脱敏策略。 医疗机构采购和使用 AI 产品时，
要承担起“选择合规产品 + 做好内部管理”的责任，
不能把所有责任都推给厂商。
五、不同角色的行动建议：现在该做什么？
1. 医疗机构（尤其是县域医共体、二级及以上医院）
0–12 个月：
选三条主线先做：
1）影像/检验/病理的智能辅助诊断
2）患者就诊全流程智能服务（预约导诊 + 预问诊 + 随访）
3）单一专病的临床辅助决策（从医院优势专科起步）建院内“AI 应用工作小组”：
信息科+医务科+护理+科主任代表+合规/纪检； 负责 AI 项目遴选、需求梳理、安全评估、效果评估。 尝试与省级平台、中试基地、高校/企业建立联合试点。
12–36 个月：
向“院内 AI 中台”演进： 模型统一接入、统一管理、安全与监控； 建立院级 AI 评估和准入机制。 把基层智能辅助、专病智能辅助、患者智能服务纳入医院整体规划和绩效考核。
2. 医疗信息化厂商 / 数字医疗公司 / 设备厂商
优先攻的三类产品方向：
“智能升级+现有系统”的组合
在已有 HIS、EMR、LIS、PACS、区域平台上，
加上智能辅助诊断、智能流程优化、智能质控等能力；用“模块 + 插件 + 智能体”的方式迭代，而不是全盘重构。 垂直专病/专科智能体
面向肿瘤、心血管、儿科、精神、罕见病等； 和国家医学中心、区域中心联合开发； 做到“数据+算法+流程+评价体系”一体化。 面向患者和基层的轻量级智能产品
慢病管理助手、家庭医生助手、居民健康管理 App/小程序等； 与医保支付/商业保险/药企患者管理项目结合。
务必重视：
产品从 Day 1 就考虑：合规、隐私、与监管的对接； 设计清晰的责任边界： 模型只提供辅助建议 决策权和责任在医生/机构。
3. 医疗大模型 / 医疗智能体团队
技术和产品上的重点：
投入专病专科垂直大模型，而不是追“通用医疗大模型”的虚名； 和高水平医院深度共建： 高质量标注数据 真实场景验证 可解释性与可审计能力； 面向具体角色做智能体： 基层医生助手 专科医生助手 护理助手 患者健康管理助手 科研辅助助手。
商业与合规侧：
提前规划： 医疗器械注册路径（如果产品纳入器械监管） 大模型备案路径 与医保、医保控费、质控系统对接可能。
4. 投资机构 / 园区 / 地方产业部门
关注三个主线赛道：
影像/检验/病理 + 专病智能辅助
基层医疗与慢病管理智能化
中医药+AI、药物研发+AI 的垂直场景
在项目评估时，看三件事：
是否有真实高质量数据和标注体系； 是否与头部医院/研究机构有稳定的深度合作； 是否把合规、安全、伦理当成产品设计的一部分，而不是上线后补救。
六、总结：这是“从能用 AI，到必须有 AI”的转折点
这份“国卫办规划发〔2025〕30号”的实施意见，实际上在宣告：
医疗卫生领域的 AI，将从“项目试点”走向“体系化工程”； 不再是“某个科室搞个影像 AI 项目”，
而是：从基层到专科 从临床到公卫 从科研到管理 从中医到药械
的全栈升级。
对医疗机构，这是一次整体能力重构；
对厂商和开发者，这是少见的、方向极清晰的政策级机会；
对监管部门，这是一次“监管方式智能化”的升级。
接下来，我们会在「积墨AI实验室」里，结合一线项目继续拆解：
“基层医生智能体”实际上该怎么做，才既好用又合规？ 医疗影像/专病大模型如何从 demo 走到规模化应用？ 医疗 AI 项目里的“人机协同边界”和责任划分，怎样设计才稳？
如果你正在做“人工智能+医疗卫生”的具体项目，欢迎来交流，我们也会挑一些典型案例做成系列文章。
文章就到这里，如果对你有一点点启发，欢迎你 点赞、转发、收藏，也可以转发给正在被“AI 要不要上、怎么上”困扰的同事或朋友。也欢迎持续关注我们的公众号——积墨AI实验室。我们会把一线项目中的经验和踩坑教训，整理成系列内容，持续分享给你。