夜雨聆风
01 一个$4的处方，和一条三年前的红线
上周，美国Utah州的一位患者在没有见到医生的情况下，通过一个叫Doctronic的AI聊天机器人，拿到了降压药的续方。
整个过程花了不到10分钟。患者登录、验证身份、回答几个健康问题，AI调取了他的处方历史，确认药物在190种"可续方清单"内，然后生成了一张新的处方。服务费：$4。
这在美国是第一次——州级政府批准AI自主进行处方决策，不需要人类医生在流程中签字。
但在中国，这扇门三年前就被关上了。
2022年6月，国家卫健委发布《互联网诊疗监管细则（试行）》，第二十一条明确规定："处方应由接诊医师本人开具，严禁使用人工智能等自动生成处方。"
这条红线至今没有松动。
所以当我在朋友圈看到Utah的新闻时，第一反应不是"美国真敢干"，而是想搞清楚一个问题：同样是面对AI医疗的浪潮，为什么中美选择了完全不同的路径？
02 Utah的逻辑：用技术填补医疗鸿沟
要理解Utah为什么敢开这个口子，得先看美国的医疗痛点。
Utah不是美国最激进的州。但Utah有一个独特的组合：人口密度低、农村面积大、医生短缺严重。
在Utah的一些农村地区，看一次专科医生可能要开两三个小时的车。对于需要长期服药的慢性病患者——高血压、糖尿病、高胆固醇——每次续方都是一次折腾。
Doctronic的切入点很精准：不是让AI诊断新疾病，而是让AI处理续方这种相对标准化、低风险的场景。190种药物都是常见慢性病的长期用药，患者的病史和用药记录也相对清晰。
从政策设计角度看，这是一个聪明的"沙盒实验"：风险可控、需求真实、社会价值明确。
但问题是——风险真的可控吗？
03 中国的逻辑：先立规矩，再谈创新
与美国"边试边管"的风格不同，中国在AI医疗上的态度一直是"先划红线，再开绿灯"。
2022年的《互联网诊疗监管细则》不是孤例。往前看：
2018年，国家卫健委发布《互联网诊疗管理办法（试行）》，首次明确互联网诊疗的边界
2021年，NMPA（国家药监局）建立AI医疗器械三类证审批通道，把AI医疗软件纳入最严格的医疗器械监管
2022年，"严禁AI自动生成处方"红线落地
2025-2026年，各省份陆续将"人工智能辅助诊断"作为独立医疗服务价格项目立项
这套逻辑的核心是：医疗不是普通互联网应用，试错成本是人的健康甚至生命。
中国医疗体系的另一个现实也强化了这种谨慎——基层医疗资源分布极不均衡。
截至2024年9月，全国互联网医院已达3340所，每年提供互联网诊疗服务量超过1亿人次。但与此同时，基层医疗机构（乡镇卫生院、村卫生室、诊所）数量占全国卫生机构总数的95%以上。
这意味着：如果放开AI自主处方，最先受到冲击的不是三甲医院的主任医师，而是基层医疗体系——那里的患者健康素养相对较低，对AI的判断能力更弱，出了问题也更难追责。
04 两条路径的第一次交锋
把中美两条路径放在一起对比，会看到一个有趣的张力。
美国的"Doctronic模式"：
州级政府主导，政策创新先行
快速放行，边做边学
强调患者自主选择和医疗可及性
风险：监管碎片化，各州标准不一；出问题后责任界定模糊
中国的"NMPA模式"：
国家层面统一监管，先审批后落地
强调临床验证和长期数据积累
把"医师最终复核"作为不可突破的底线
风险：审批周期长，创新速度慢；基层医疗的可及性问题未得到根本解决
两种模式没有绝对的对错。但它们的差异，揭示了医疗AI领域的一个核心张力：
我们是要"先验证再推广"，还是"先推广再验证"？
05 中国的AI医疗，其实在另一条路上狂奔
虽然"AI自主开处方"被明令禁止，但中国在AI医疗的其他领域，进展并不慢。
最成熟的领域是AI辅助诊断，尤其是医学影像。
截至2024年6月，NMPA已累计批准92款AI医学影像产品。2024年中国AI医学影像市场规模约74.5亿元，预计2025年突破150亿元，2026年达到235.7亿元。
最下沉的领域是基层医疗AI。
讯飞医疗的"智医助理"已覆盖全国31个省市、800+区县、超7.5万个基层医疗机构，累计提供超过10亿次AI辅助诊断，修正诊断175万次。
这是什么概念？
在中国广大的乡镇卫生院和村卫生室，很多医生面对的是"常见病、多发病"，但诊断能力有限。AI辅助诊断系统的作用，不是替代医生，而是给基层医生提供一个"第二意见"——当医生的判断和AI建议不一致时，系统会提醒医生重新考虑。
2025年底，广东肇庆市封开县推动全县公立医疗机构接入AI辅助诊疗平台。《半月谈》2026年4月的报道追踪了这个案例：当地医生反映，AI在常见病诊断上的建议"有参考价值"，但最终的诊断和处方决定权，仍在医生手中。
这就是中国模式的精髓：AI可以"补位"，但不能"越位"。
06 真正的差距不在技术，在信任机制
写到这里，我想澄清一个可能的误解。
我并不是说中国的监管模式比美国"更先进"。两种模式各有代价：
美国的代价是风险前置——Utah的实验如果出问题，可能是一个或几个患者的健康受损，然后引发政策回调
中国的代价是创新滞后——严格的审批和红线，可能让一些有潜力的AI医疗应用迟迟无法落地，患者继续忍受看病难、看病贵
真正的差距，不在技术能力，而在信任机制的设计。
美国社会对"市场试错"的容忍度更高，患者也更习惯于"自主选择、自负其责"。所以Utah可以说："我们给患者多一个选择，用不用由你。"
中国社会的逻辑不同——医疗被视为一种公共责任，而不是纯粹的市场服务。 如果AI开错了药，患者不会只怪自己"选错了服务"，而是会追问："政府为什么允许这种东西上线？"
这种文化差异，决定了同样的技术，在不同社会需要不同的落地方式。
07 未来会怎样？三个信号值得注意
无论中美，AI医疗都在快速演进。以下三个信号，可能预示着下一步的变化：
信号一：中国的"辅助诊断"正在向"辅助治疗"延伸
2025年下半年至2026年，各省份陆续将"人工智能辅助诊断"作为独立的医疗服务价格项目立项。这意味着AI在医疗端的应用，正在从"参考工具"变成"收费服务"——一旦形成可持续的商业模式，政策松动的可能性会增加。
信号二：美国的"州级实验"正在扩散
Utah不是孤例。德州、佛州等多个州正在酝酿类似的AI医疗政策创新。如果Doctronic在Utah运行一年内没有出重大事故，其他州跟进的速度会加快。联邦层面的FDA，也可能被迫重新思考自己的审批节奏。
信号三：AI医疗的"中间路线"正在浮现
无论是中国的"AI辅助诊断+医生最终决策"，还是美国的"AI自主续方+限定场景+患者知情同意"，本质上都在探索同一个问题：AI在医疗决策中的边界到底在哪里？
未来的答案，可能不是"AI完全自主"或"AI完全禁止"的二选一，而是分层监管——根据风险等级、场景复杂度、患者群体特征，设定不同的AI参与程度。
08 我的判断：中国不会照搬Utah，但红线会重新定义
写这篇文章的过程中，我一直在想一个问题：中国会不会有一天也允许AI自主开处方？
我的判断是：短期内不会，但"严禁"的表述可能会软化。
软化的路径可能是：
从"严禁AI自动生成处方"到"AI生成处方需经医师审核"——这不是文字游戏，而是责任主体的转移
从"一刀切禁止"到"分级分类管理"——慢性病续方、常见病首诊、罕见病诊断，适用不同规则
从"国家统一红线"到"地方试点探索"——类似北京2026年启动的互联网首诊试点，在可控范围内试错
但无论怎么调整，中国有一个底线不太可能突破：医疗决策的最终责任，必须落在有资质的人类医师身上。
这不是保守，而是对一个基本事实的尊重——在中国，医疗是一种公共服务，而公共服务的底线是"不能出事"。
09 给你的建议
无论你是在医疗行业工作，还是只是一个普通患者，这件事都值得关注。
如果你是患者：
国内目前所有AI医疗工具，都不能替代医生面诊。如果某个平台声称"AI直接开药"，那是违规的
使用互联网医院时，确认处方上有真实医师的电子签名
AI可以帮你理解病情、整理病史，但不要让它替你做治疗决策
如果你是医疗从业者：
AI辅助诊断正在从"可选项"变成"标配"，尤其是基层医疗场景
你的专业判断不会被AI替代，但会被AI放大——善用AI的"第二意见"功能
关注政策变化：2025-2026年各省的AI医疗服务定价政策，可能改变行业生态
如果你是创业者：
中国医疗AI的赛道很长，但门槛极高。NMPA三类证审批周期通常2-3年，需要大量临床数据
不要试图绕过"医师最终复核"的红线——这不是技术问题，是政治问题
最现实的切入点：AI辅助诊断（影像、病理、检验）、诊后管理、慢病随访——这些领域政策相对开放
如果这篇文章帮你理解了中美AI医疗的路径差异，不妨花2秒钟顺手做两件事：
点个「在看」——让更多关注数字医疗的朋友看到这份分析
转发给医疗行业的从业者——ta可能正在经历AI带来的职业焦虑
你的每一次互动，都是我继续追踪AI真实落地情况的动力。🙏
