部分AI癌症筛查产品至今还停留在免费试用阶段，答案不是技术不够准，而是整个商业闭环里，"谁来买单"和"怎么嵌入"这两件事没跑通。这是行业普遍的现实：产品从实验室走进医院日常，中间隔着医保准入、责任划分、系统对接三道坎，每一道都比算法迭代更难。

跑通的样板：三种不靠免费试用活下来的模式

说"卡住了"之前，先看清已经跑通的那几条路。它们有个共同点——都没走"独立新增一套筛查流程"的路子，而是把AI嵌进了原本就存在的检查场景里。

最典型的是武汉兰丁的AI宫颈癌筛查。它针对单一癌种，做的是大规模人群筛查，靠"基层取样、智能制片、云端诊断、全域溯源"把整个流程标准化。单日处理量最高5万例，相当于500名病理医生的工作量，已在16个国家落地，服务超1300万名妇女。

医护人员查看AI宫颈癌筛查系统生成的细胞影像

它解决的痛点是传统筛查缺病理人员、操作标准不统一，AI的价值不是"多查一个项目"，而是把原有筛查的产能放大。

瑞金医院联合华为云的瑞智病理大模型RuiPath 2.0走的是另一条路：覆盖19个常见癌种、205项诊断任务，落地到全国90多家医院。

瑞金医院与华为联合发布瑞智病理大模型2.0

它能跑通，靠的是对接国家医保局2025年底出台的病理类价格立项政策——"人工智能辅助诊断"被明确列为病理诊断的扩展项并纳入价格构成，同时用轻量化端云协同方案把部署门槛降到普通PC就能跑，医生不需要改变工作习惯。

美年健康的"一扫多查"则是第三种形态：2026年3月落地至全国300余家分院，累计处理体检报告超1000万份。它依托的是商业体检已有的收费体系，AI作为平扫CT的增值服务进套餐，不额外增加检查项目，用户不用多花钱、多跑一趟。

这三家的共同逻辑是：要么让AI替医院省下原本的人力成本，要么把AI塞进已有的收费项目里。没有一家是靠"新增一项AI检查、让患者单独付费"活下来的——这正是免费试用产品和它们的根本区别。

医保这道门：进了目录，但没进价格

表面上看，支付端的最大障碍已经在2026年3月破了冰。国家医保局将12项AI辅助诊断项目纳入全国统一医保乙类目录，在全国837家三甲医院同步落地，中国成为全球首个将AI诊断大规模纳入国家医保体系的国家，医保基金支付比例达70%-85%。

但德勤中国孙晓臻的提醒很直接："新政策的覆盖范围毕竟有限。"这句话得拆开看。12项里AI癌症筛查相关的只有肺结节CT筛查、乳腺钼靶筛查等少数几项，病理切片分析虽然进了目录，但它对应的是"AI辅助诊断"这一价格构成项，不是独立的筛查收费项目。

更关键的是，在DRG/DIP按病组打包付费全面推行的背景下，医院每治好一个病例，医保按病种标准付费，AI带来的诊断效率提升不会让医保额外多付一分钱。

对医院来说，采购AI是一笔新增的大额固定成本，省下的医生时间却换不来真金白银的回报——投资回报算不过来，采购动力自然不足。

数坤科技CTO郑超在2026年5月把这事说得更直白：医保付费准入是AI医学影像商业化的核心痛点，产品从拿证到销售周期长、投入大，医院采购AI多依赖自筹预算，多数AI相关收费尚未纳入医保。

拿三类医疗器械注册证只是第一步，拿到证之后能不能进医院的采购目录、能不能让医保为"AI辅助"这个动作单独付费，才是决定产品生死的那道闸。

比钱更深的坎：工作流和责任链

钱的问题说到底是政策能解的，更难的是改变了医生的工作方式、还说不清责任归谁。

先说工作流。孙晓臻指出的卡点是：AI产品如果与医院的PACS、EMR系统割裂，医生就要在不同系统之间来回切换，用完一次嫌麻烦，下次就不用了。很多AI筛查产品的技术性能不差，死在"医生懒得用"——不是不愿意用，是切换系统的成本高到让AI带来的效率提升被抵消。

反观跑通的RuiPath，人家落地的关键动作之一就是"嵌入现有病理生产流程"，医生在原来的双屏工作站上复核确认就行，不需要额外打开一个新软件。

医护人员在工作站复核AI生成的病理分析结果

再看责任链。AI没有执业医师资格，按规定必须执行"人机双签"——AI出的辅助分析报告，得执业医师复核签字后才能纳入医保结算。这条政策是为了守住"AI辅助、医师负责"的底线，但也意味着医生每用一次AI，就多承担一份责任、多干一道复核工作，却没有对应的激励。

2026年3月国内40余家机构联合发布的专家共识，首次提出医疗机构在采购合同中需与厂商明确追偿权，但正如孙晓臻说的，"要让医疗责任链条真正实现制度化、规范化分配，还有很长的路要走"。

医学从业者参与线上线下结合的行业研讨会议

人机协同的认证和绩效考核标准也缺位。郑超直言，行业在医生使用AI的认证、绩效考核方面缺乏统一标准，责任边界、使用规范和激励机制都不明确。医生用AI出了问题算谁的？用得好有没有奖励？这两件事没下文，AI就永远是"试用一下可以，日常依赖不行"的摆设。

散装的数据和还没合龙的产业链

最后一层卡点，在技术底座和产业格局上。

滕皋军院士把医疗数据的问题概括为"物理孤岛"和"隐私安全顾虑"——各家医院数据不互通，医院之间不敢共享，AI在A医院训练得再好，到B医院就"水土不服"。后果是企业推广AI产品只能一家家医院去谈，成本高、难度大，谈下来的医院数据还不一定能反哺模型迭代。

国家医保局主导的"医保影像云"平台试图系统性解决这个问题，但数据流通和标准统一不是一朝一夕能完成的。

产业链的结构性问题同样在拖后腿。目前AI癌症筛查领域的硬件供应商（影像设备、PACS厂商）和算法研发主体分属不同市场主体，只有头部企业开始尝试战略合作和股权绑定，行业尚未形成普遍的一体化落地格局。

这意味着大多数医院要采购一套能用的AI筛查系统，得分别搞定设备商、软件商、系统集成商，对接成本和运维复杂度都上去了。

把这几层叠在一起看，答案就清楚了。AI癌症筛查的商业化不是卡在某一环，而是卡在一整条链上：技术产品得先拿到三类证（合规门槛），再证明能嵌入医院现有流程（工作流门槛），然后让医保或商业付费方愿意为此买单（支付门槛），最后还得让医生愿意用、敢用（责任门槛）。

已经跑通的兰丁、瑞金、美年，都是在这四关里找到了自己的突破口——要么压单一癌种把成本做到极致，要么蹭上医保价格立项的政策窗口，要么寄生在已有的体检收费体系里。而绝大多数还在免费试用的产品，恰恰是这四关里至少有一关没打通。

这一切之所以值得重视，是因为它点出了一个行业心照不宣的事实：免费试用不是慷慨，是无可奈何。什么时候这些产品不再需要靠免费来换用户，什么时候AI癌症筛查才算真正过了商业化的关。