隨著大模型技術的興起，AI醫療實踐邁入了PK“場景與生態”能力的下半場。

近日，世界人工智能大會（WAIC）在上海舉行，AI圈頂流匯聚于此。一個愈發清晰的趨勢已然浮現：AI的的主戰場，正從大模型參數競賽，轉向深入產業一線、尋求價值落地，解決真實問題。

“AI+醫療健康”，是此次WAIC的核心板塊之一。如今行業討論的焦點已不再是模型跑分的高低，而是AI如何切實地賦能診療、支付、新藥研發等真實場景，并完成商業化閉環。

醫療體系中，長期存在一個被稱為“醫療不可能三角”的結構性困境：高質量服務、廣覆蓋人群與低成本共計，三者難以兼得。然而，隨著AI和大數據能力的加速成熟，產業平臺的場景理解力不斷增強，打破三角桎梏、推動醫療支付、動態優化醫療資源的重構，為大眾提供更高質量的普惠醫療，未來有望成為可能。

值得注意的是，在這場產業變革中，兼具技術整合能力與場景理解力的產業平臺公司正在嶄露頭角。以醫療支付環節為例，總部位于上海的科技醫藥多元支付平臺型公司鎂信健康正嘗試將AI作為重構醫療支付生態的“底層操作系統”，從理賠等硬核場景切入，部署AI Agent集群，逐漸實現“醫-藥-險”三方價值鏈的重構。

“今年WAIC將AI+醫療健康推向舞臺中心，意味著大模型技術到了產業落地階段。對企業來說，AI能否助力效率提升、成本優化、生態共贏，顯得至關重要。只有當技術扎根于場景、服務于人，才可能真正兌現‘智能時代同球共濟’的愿景。”鎂信健康副總裁、戰略創新部負責人瞿育綺在WAIC現場表示。

當前，在基本醫保與商保加速融合的背景下，行業正密切關注如何通過AI破解醫療支付體系的結構性矛盾？鎂信健康打造的“AI+醫療支付”智能新基建，又將怎樣完成從數據融合、模型迭代到場景驗證的閉環飛輪？

01. 當AI從“炫技”走向“基建”

數字化、智能化，是醫療賽道技術演進的趨勢之一。過去十年間，AI+醫療健康的探索也一直在進化，從單點突破走向系統整合。AI醫學影像、輔助診斷階段，企業積極刷新自家算法在國際權威競賽上的評分，在識別肺結節、冠心病等單點任務上，與人類醫生“卷”速度與精度。

很快，行業便意識到僅有算法能力，很難形成商業閉環。競爭隨即進入到爭奪數據與合規的階段，企業關注的焦點從“跑分”，轉向了誰能與更多三甲醫院合作，獲取高質量、精標注的數據，以及誰能率先拿到國家藥監局頒發的醫療器械注冊證。這是AI產品入院和商業化必不可少的“資格證”。

然而在醫保控費、醫療支付進入深水區的時代，停留在輔助診斷階段的AI工具，即便擁有了入場券，仍難以融入診療流程，更無法系統解決醫療體系的效率與成本難題。于是，隨著大模型技術的興起，AI醫療實踐邁入了PK“場景與生態”能力的下半場。競爭焦點，不再是單一工具的優劣，而是誰能將AI貫穿患者就醫的全流程，從診前、診中到診后，直至最終的支付。

支付，是驗證醫療AI商業模式、形成價值閉環的關鍵。因此，將AI能力沉淀為穩定、公平、可規模化調用的“基礎設施”，去賦能這一這個核心場景，成為不不容忽視的必然選擇。

02. AI革命 進軍醫療支付

多年來，在醫療支付的鏈條上，患者、藥企和保險公司三方，各自面臨著難解的挑戰。對患者而言，藥費高昂、理賠繁瑣，讓不少家庭“因病致貧、因病返貧”；藥企端，經歷了漫長的研發周期后，還面臨新藥準入和商業化難的困境；保險公司，則在營銷理賠成本高、風控精細化不足等泥潭中掙扎。

醫藥、保險行業的認知壁壘極高，面臨信息不對稱的問題，再疊加數據孤島，保司和單個藥企之間往往難以高效互動。因此，市場需要能夠串聯起各方的多元支付平臺，既具備藥品供應鏈管理能力，又能為患者設計多元支付方案、支持保司產品銷售創新，來打通“醫藥險”產業斷點。

在這樣的行業呼喚中，一批具備跨領域整合能力的平臺型企業開始嶄露頭角，它們試圖以技術為紐帶、以生態為支撐，填補 “醫藥險” 協同的空白。鎂信健康便是其中的探索者與實踐者。

自2017年成立以來，鎂信健康便錨定這一方向，如今規模效應初顯。據其6月30日發布的招股書顯示，截至去年底，平臺已累計服務超過160萬名患者，相關總醫療支付額（GPV）達到397億元；合作保司超過90家，服務支持的保單數量約3.93億份；合作藥企超過140家，其中包括全球前20大藥企中的90%。

在收入規模擴大的同時，鎂信健康的營銷開支等卻顯著降低，這其中離不開其AI智能中樞的建設。在鎂信內部，這套名為“mind42.ai”的AI中樞平臺，被定義為協同醫-藥-險生態的底層操作系統。

“從2024年開始，鎂信健康嘗試全面打通醫藥健康產業價值鏈，包括保險端從產品設計、風控、銷售到運營理賠的全流程，患者服務端的健康管理、數據價值應用等。”瞿育綺介紹道，“目前，在理賠、客服等關鍵節點，我們已經找到了智能體的應用場景。雖然現在還比較初級，但未來隨著更多智能體的完善，我們希望通過智能中樞平臺mind42.ai，進行統一任務調度，打通長價值鏈的各個節點。”

醫療支付的決策鏈條復雜，需要融合多領域知識體系。據招股書顯示，該AI智能中樞基于先進開源模型自主開發的底座，已累計擁有3.85億條詳細理賠數據資產；集成了臨床醫學路徑、保險條款、藥品適應癥等垂直領域知識，構建起醫療支付知識圖譜。“既懂醫藥又懂保險”，讓AI推動核心流程自動化、提高決策效率成為可能。

在處理和調度數據的過程中，平臺開展的理賠、購藥、健康管理等服務，又將繼續產生結構化數據，實時反饋給AI模型進行訓練和優化，以形成“數據飛輪”，讓mind42.ai模型更加智能，逐漸形成短期難以復制的壁壘。

“當前，數據正在成為‘活水’，更具動態價值。在醫療支付場景，保險公司理賠都是事后理賠，但我們現在嘗試借助AI和大數據，讓它往‘事前預防、過程干預’走。比如針對慢病人群，我們可以提前識別風險，主動做健康管理干預，未來甚至做到動態保險定價。”瞿育綺分享道。

03. AI智能體“抱團作戰”

醫療支付本質是金融問題，場景決策的容錯率極低：多付，會增加保司和平臺的成本；少付，將導致患者利益受損。這種特殊性，決定了其對決策精準度的要求遠高于普通領域。

既往健康險的賠付高度依賴多領域的專業協作：既需要擁有專業醫學背景的工作人員對患者病歷、診療報告、基因檢測報告等進行細致審核，判斷就醫路徑的合理性，特別是一些適應癥很新且狹窄的創新藥，需要極強的醫學專業判斷；同時還需要保險專家解讀和匹配保險復雜專業的保險條款、風控與合規專家把控風險。這種多角色協同的模式，雖能保障精準度，卻也帶來了流程繁瑣、效率偏低的行業痛點。

這就對AI的決策能力提出嚴苛要求，它得“像醫學專家一樣理解診療邏輯，又要像保險精算師一樣計算分攤規則，還需像偵探一樣能識別欺詐”。 顯然，傳統人工或單一通用型 AI 難以勝任這樣的復雜任務 —— 這也讓 AI Agent 集群的價值得以凸顯：通過多個智能體 “抱團作戰”，能高效協同完成單一個體難以承載的綜合任務。

在這一思路下，當前鎂信健康的AI Agent集群，正打造覆蓋“前端交互、中臺決策、后端履約”的協同網絡。mind42.ai則是智能體矩陣的“總指揮官”，會根據場景需求自動調用對應智能體，實現高效協同。

在前端，C端用戶通過“Xiaofu智能助手”進行交互，處理保險條款查詢、藥品查找等客服內容；在理賠與支付層，以“ClaimMaster理賠大師”為核心，用戶一鍵上傳資料，智能體便能自動完成文檔分類、關鍵信息結構化提取，并計算賠付金額。

鎂信健康 Xiaofu智能助手

鎂信健康選擇“理賠”作為AI Agent的首發落地場景，絕非偶然。這一場景不僅因流程繁瑣、耗時過長成為用戶體驗的核心痛點，更因數據完整度高、操作環節可重復性強，與智能體的技術能力形成了高度適配。

“當一位患者提交了理賠材料，傳統的方式是理賠人員要一張張查看審核，最多的理賠材料能有上千頁，普通的案子大概也有幾十頁材料。”瞿育綺解釋道，”但現在應用理賠智能體后，用OCR識別加上多模態補償等一系列技術，整體理賠時長從原來約定的一天左右，最快可以提升到10分鐘內。”

據介紹，目前在鎂信平臺，AI賦能的醫療審核覆蓋率達到60%，顯著解決了健康險藥品理賠環節材料處理低效、病程分析粗放、條款解析滯后等難題。提升患者體驗、減輕家庭墊資壓力的同時，也節省了鎂信的運營費用。

未來，隨著AI Agent集群的任務處理更加成熟，鎂信用戶與多個AI智能體互動的場景可能是這樣：當一位用戶進入平臺，詢問適合自己的健康險產品，Xiaofu會根據他的身體情況（健康體或帶病體），推薦相應的保險或多元支付產品。用戶購置保險后，需要理賠時，系統會調取ClaimMaster為他處理藥品賠付等需求。同時，后端的藥品配送管理系統（包括商保智慧云藥房的智能機器人），可完成藥品的拆盒分揀、配送。

基于其AI中臺能力和在智能體方面的探索，鎂信健康正嘗試將能力延伸至更多場景，如為慢病患者提供健康管理服務，幫助藥企進行患者管理等。與客戶深度融合、提供更多增值服務，既是現有能力的自然拓展，也為開拓更多價值增長點奠定了基礎。

04. 醫療AI的邊界與未來

近期，招商銀行研究院指出：AI醫療支付正從“流程自動化”向“風控智能化”與“精算驅動化”演進。這不僅是效率的提升，更是對健康險行業“風險定價管理”邏輯的重塑。

這一判斷與鎂信健康的行業觀察不謀而合，其更敏銳地捕捉到技術平臺角色的深層轉變。瞿育綺表示：“醫療支付正從人工主導到智能驅動升級，支付平臺有望變成‘制度參與者’，參與制定新的行業標準，比如支付流程、理賠規范，甚至藥品準入方式等。未來，希望借助科技，推動醫療資源分配從靜態錯配轉向動態優化。”

的確，更為個性精準的AI醫療支付與健康管理，高度依賴“全鏈路數據”的打通，目前患者診療、用藥、醫保及日常健康數據等分散在不同領域的主體中。不過，國家醫保局正嘗試打通數據壁壘，探索向部分合規企業開放醫保數據的可能性，推動數據互聯。這也為鎂信健康等多元化支付平臺提供了新的時代機遇。

不過，AI深度參與保險定價與理賠決策的同時，也引發了業界對于數據黑箱、算法歧視等問題的擔憂。對于用戶而言，這些風險具體而切身：如果不透明的AI核保模型基于難以解釋的關聯性，判定某一慢病患者為高風險人群而拒絕承保，那其便可能失去獲得保障的機會。

對此，在系統規劃之初，鎂信健康就對AI的嚴謹性、公平度進行了設計。

首先，保證訓練數據的海量、多樣與高質量，專門處理可能產生偏見的數據，以消解其潛在影響。第二，堅持關鍵節點的人工復核與介入，以消除AI幻覺帶來的影響。第三，保持決策鏈條的透明度及可追溯性。

“在后臺，我們的復核人員可以看到模型如何一步步做出決策，比如一位患者患有何種疾病、處于哪個階段、為何推薦此種藥物、是否排除了不合理用藥的可能性等，以此審核用藥合理性。此外，我們擁有嚴格的質檢（QC）團隊，每月會對AI處理的案例進行細致的抽樣審核，以確保整個系統的可靠性。”

在瞿育綺看來，AI可以提升效率，但醫療服務始終需要人的溫度，像銷售環節的人情關懷，理賠環節需要人類專家的經驗來處理復雜問題、界定邊界等，這些都是技術無法替代的。

伴隨著醫療數據共享的推進，未來AI Agent在醫療支付領域還可能有更豐富的暢想空間，包括跨機構的“一站式”智能結算；為帶病體設計個性化保險和支付方案等。

醫療支付的本質，不應是橫亙在患者與健康之間的層層關卡，而該是守護生命尊嚴的安全墊。對這場AI支付革命的評判，不只是理賠時長縮短了多少，更在于它為病痛中掙扎的家庭緩解了焦慮、帶去了安心。當AI技術回歸服務本質，才有可能讓“普惠醫療”和“價值醫療”更觸手可及。