2025 年 10 月，国家卫生健康委办公厅、国家发展改革委办公厅、工业和信息化部办公厅等部门联合印发《关于促进和规范「人工智能+医疗卫生」应用发展的实施意见》，落实「人工智能+」行动部署。
分阶段的目标设定
意见给出了清晰的时间表：到 2027 年建成一批临床专病专科垂直大模型；到 2030 年，基层诊疗智能辅助基本实现全覆盖，二级以上医院普遍开展医学影像智能辅助诊断，并建立人工智能应用标准规范体系。
这种「先专病、后普及」的路径安排，反映了医疗 AI 的现实约束：通用模型难以直接满足临床对准确性与可解释性的要求，垂直领域的专病模型更可行。
三个合规核心问题
第一，准入问题。 医疗 AI 产品是否属于医疗器械、需要何种审批，取决于其用途与风险等级。用于辅助诊断的软件与用于健康科普的工具，适用规则不同。参见药品医疗器械 AI 监管方向。
第二，数据问题。 医疗数据属于敏感个人信息，其处理需满足更高的合法性门槛。意见提到高质量数据集与可信数据空间，指向的是「数据可用不可见」的技术与制度路径。参见数据要素市场化配置与个人信息保护合规要点。
第三，责任问题。 临床决策辅助的定位意味着最终判断由医师作出，但当模型建议存在偏差时，责任如何在医院、医师与供应商之间划分，需要在采购协议与临床流程中事先明确。参见AI 商业合同的关键条款。
医疗场景的特殊性
医疗 AI 与其他场景的关键区别，在于错误的后果不可逆。这带来三点要求：
其一，可解释性要求更高。 医师需要理解模型给出建议的依据，而非仅接受结论。
其二，留痕要求更严。 模型的输入、输出与采纳情况需要可追溯，以便复盘与责任认定。
其三，安全评估要求更细。 医疗 AI 的安全评估不仅关注内容安全，还关注诊断准确性、偏差与失效模式。参见AI 安全治理框架的三层结构。
企业的落地建议
其一，按「专病专科」思路设计产品，以垂直场景的临床价值为切入，而非追求通用能力。
其二，把数据合规方案前置，明确数据来源、授权链条与使用边界。参见数据合规服务。
其三，在合同中明确责任划分与验证义务，尤其是模型更新后的再验证安排。
医疗 AI 的政策窗口已经打开，但准入门槛与合规成本同样明确。参见「人工智能+」部署的整体框架与国务院「人工智能+」行动。
本文依据《关于促进和规范「人工智能+医疗卫生」应用发展的实施意见》及公开信息编写，仅供参考，不构成法律意见。