——三层重构框架与证据评估（2026）
| 项目 | 内容 |
执行摘要
核心判断：不是"洗牌"，而是"三层重构"。 把"洗牌"理解为"AI 挤掉医生、座次重排"，在 2026 年的证据面前站不住脚——全球最强反例恰好出现在最该被替代的放射科。真正在发生的是三个不同速率、不同深度的变化叠加：
- 任务层（已发生，速率最快）：文书、初筛、编码、导诊、随访等可标准化认知任务被 AI 大量承接。国内医院实测显示病历书写时间下降 60%–90%、影像报告生成提速 10 倍、数据治理人力减少 95%【A/B】。
- 岗位层（部分发生，科室间剧烈分化）：以"阅片/读图/出报告"为核心产能的岗位承压最大；以"操作、决策、关系、责任"为核心的岗位被增强。同一科室内部也会"哑铃化"——初筛岗被压缩，疑难诊断岗更值钱。
- 职业层（长期，尚未发生）：医生的职业内核正从"知道得多"转向"敢于承担最终责任"。政策与司法实践已明确"人机协同、以人为主"，医师拥有最终诊疗决策权，医疗机构承担法律责任【A】。AI 越强，"签字权"反而越值钱。
一句话结论：AI 不会让医生"失业"，但会让一部分只有"读片/写文书"这一项技能的医生失去议价权；它淘汰的不是人，是可被算法承接的产能形态。
一、问题重构："洗牌"是个误导性提法
1.1 三个被隐藏的预设
预设一：AI 的能力边界等于任务边界。 实际上 AI 在基准测试中战胜放射科医生的能力，与其在真实医院条件下的表现之间存在显著落差——多数模型只能识别训练数据中常见的异常，离开测试环境后泛化能力下降【B】。
预设二：效率提升会减少岗位需求。 这是经济学上最常被证伪的一类推断。当某项资源的使用效率提高，其使用量往往反而增加（杰文斯悖论）——蒸汽机燃煤效率提高，煤炭消费反而上升；白内障手术、关节置换、基因检测、MRI 都重复了同一模式【B】。
预设三：中国的问题是"医生太多、会被替代"。 恰恰相反。《2025 年我国卫生健康事业发展统计公报》显示，我国执业（助理）医师 530.6 万人，每千人口执业（助理）医师 3.78 人【A】——但真正的矛盾是结构性短缺。官方口径已明确承认"人才队伍的结构性矛盾仍较为突出"：基层"引不来、留不住"，病理、影像、精神卫生、康复、老年医学等紧缺专业供给不足【A】。在一个总量不足、结构失衡的体系里，AI 的首要角色是"补位"，不是"替代"。
口径提示：公开信息中"每千人口执业医师数"存在多口径混用：官方公报为 3.78（执业含助理）/ 3.25（执业医师）【A】；部分自媒体称"已超 3.7 人"系将含助理口径与执业口径混用。本报告统一采用官方公报口径。
1.2 应该问的真问题
- AI 已经在替代医生的哪些具体任务？（任务层，可量化）
- 这些替代如何改变不同科室、不同年资医生的相对议价权？（岗位层，可分化分析）
- 医生的职业内核会不会被改写？"医学生何去何从"的可行路径是什么？（职业层，需制度与教育视角）
1.3 本报告的核心框架
三个层次的速率、深度与受益方完全不同，混在一起讨论才会产生"洗牌"的错觉。下表是本报告后续九章的组织骨架。
图 1 医生职业的"三层重构"框架（描述）
| 层次 | 状态 | 被 AI 承接 / 改变的内容 | 对医生 |
|---|---|---|---|
| 第一层｜任务层 | 已发生 · 最快 | 文书书写 · 影像初筛 · 病理初筛 · 病案编码 · 文献检索；实测幅度：病历耗时 −60%~−90%、报告生成提速 10 倍、数据治理人力 −95% | 净利好——释放的是最想甩掉的负担 |
| 第二层｜岗位层 | 部分发生 · 分化剧烈 | 科室"哑铃化"：中间层常规岗位收缩，两端（疑难专家 / AI 运维质控）扩张；分化轴 = 任务可算法化程度 × 社会需求刚性 | 同辈分层——风险不在失业，在年轻医生的上升通道被挤压 |
| 第三层｜职业层 | 长期 · 尚未发生 | AI 无法触及：物理操作与临场应变 · 残缺信息下的综合判断 · 关系性沟通 · 承担最终责任；制度保障：《互联网诊疗监管细则》禁止 AI 替代医师与自动生成处方；共识确立"人机协同、以人为主" | 制度性升值——AI 越强，"签字权"与责任主体地位越稀缺 |
框架结论：不是"洗牌"，而是"分层"。淘汰的不是人，是"只有一种产能形态"的岗位。
框架归纳自本报告第一至九章证据【C】；层内量化幅度来源见表 1【B】，制度依据见第八章【A】。
二、制度底座：政策已经把答案写在文件里
标志性文件是国家卫生健康委等五部门联合印发的《关于促进和规范"人工智能+医疗卫生"应用发展的实施意见》【A】，其定位是落实国务院《关于深入实施"人工智能+"行动的意见》（国发〔2025〕11 号）在卫生健康行业的落地。
2.1 政策时间轴
| 时间 | 节点 |
|---|---|
| 2025 年 8 月 | 国务院印发《关于深入实施"人工智能+"行动的意见》（国发〔2025〕11 号）【A】，为行业级实施提供上位依据 |
| 2025 年 10 月 20 日 | 国家卫生健康委办公厅等五部门印发**《关于促进和规范"人工智能+医疗卫生"应用发展的实施意见》**【A】，明确 8 大领域 24 项重点应用场景，并从基础设施、数据供给、算力算法、中试基地、人才标准五方面"夯实应用基础" |
| 2025 年 12 月 19 日 | 国家医保局发布**《病理类医疗服务价格项目立项指南（试行）》**，将"人工智能辅助诊断"列为病理诊断的扩展项，纳入价格构成，AI 辅助诊断正式"有价可循"【A】 |
| 2026 年 3 月 | “十五五"规划纲要发布，明确"有序推动数智技术在辅助诊疗、精准医疗、健康管理、医保服务等场景的应用”，并提出每千人口执业医师数从 3.1 提升至 3.7、注册护士从 4.3 提升至 5.1【A】 |
| 2026 年 7–8 月 | 《关于做好 2026 年基本公共卫生服务工作的通知》要求"探索数字智能技术与基本公共卫生服务融合应用"【A】；国家卫生健康委在人大建议答复中明确"加大力度推广人工智能赋能基本公共卫生服务"【A】 |
2.2 政策把"医生角色"写进了量化指标
| 指标 | 数值 |
|---|---|
| 2027 年目标 | 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、临床专科专病智能辅助决策广泛应用【A】 |
| 2030 年目标 | 基层诊疗智能辅助应用基本实现全覆盖；二级以上医院普遍开展医学影像智能辅助诊断、临床诊疗智能辅助决策【A】 |
| 已批准上市 AI 医疗器械产品 | 146 个（国家卫生健康委答复口径）【A】 |
| 放射检查/超声/康复类立项指南中"人工智能辅助"扩展项 | 51 项【A】 |
2.3 一个常被忽略的关键设计：AI 辅助"不加价"
江苏省医保局在人大建议答复中说明得非常清楚：为"支持人工智能辅助技术进入临床应用，又防止额外增加患者负担"，"人工智能辅助"执行与主项目相同的价格水平——同样的价格下，医院可以选择培养医务人员诊疗，也可以选择使用 AI 参与，但现阶段不宜额外就 AI 辅助再向患者收费【A】。
这条定价规则对医生职业的含义：它意味着 AI 不在"收入侧"与医生竞争，而在"成本侧"与医生竞争。医院不会因为用了 AI 而多收钱，但可以因为用了 AI 而少占用人时——这才是"部分科室医生面临挑战"的真实经济机制。同时，同一份文件也提示了保护机制：AI 辅助项目已逐批纳入医保支付范围（如苏州落地的 34 项影像/超声 AI 扩展项，其中甲类自付比例为 0）【A】，说明政策意图是"扩容服务量"而非"压缩服务价格"。
三、产业落地：阿里、华为、润达、塞力各自做到了哪一步
把厂商宣传与可核验事实分开看，2026 年这条赛道的真实图景是：底层底座由大厂掌握，临床场景由"医疗信息化 + 渠道 + 临床 Know-how"型公司交付。
3.1 生态四层架构
| 层级 | 构成 |
|---|---|
| 场景层 | 8 大领域 24 项重点应用（AI+基层、临床诊疗、患者服务、中医药、公共卫生、科研教学、行业治理、健康产业）【A】 |
| 能力层 | 良医/晓慧（润达）、氢离子（阿里健康）、RuiPath（华为×瑞金）、睿宾 2（华为×华西）、AIRATA（塞力）、灵医（百度）、知医（京东健康）、海思灵曦（塞力×浙大一院）【B】 |
| 平台层 | CDx 数据基座（润达）、盘古大模型/ModelArts（华为）、通义千问医学增强（阿里）、CHINET 耐药监测网（华山医院）【B】 |
| 底座层 | 昇腾 AI 集群/鲲鹏、国家/省全民健康信息平台、医疗数据可信数据空间、AI 一体机（院内部署）【A/B】 |
注：部分自媒体流传的"覆盖 200+ 三甲""生成 145 万份 AI 病历"等表述未见官方披露，本报告不采信为核心论据。
3.2 润达医疗：从 IVD 流通商到临床交付方
润达医疗的角色最有代表性——它不是模型公司，而是"把模型送进医院工作流"的交付方。据其 2025 年年度报告披露：持续深化 AI 战略，推出新一代大模型产品"CDx 良医晓慧"，包含数据基座 CDx、医生助理智能体"良医"与个人
转载自 CSDN-专业IT技术社区
