读法建议：今天难度系数 ★★☆（中等）。主线是「医疗 AI 正在从三甲下沉到社区」这条产业变化。想快读，看板块①和板块⑥即可；想看清「政策+支付+场景」三条线怎么咬合，就按顺序读。术语（DRG、处方前置审核、To G 等）第一次出现都有大白话翻译，个别不成体系的词在「本节术语速通」里可查。总计 8 分钟上下。
① 一个新概念：DRG 也分「基层病种」了——同病同治，同付
▍一句话先讲明白：医保按病种付费（DRG/DIP，翻译成大白话就是「给每一种病定一个标准打包价格去报销」）里，首次单独给基层开了一组「基层病种」——高血压这类常见病，在社区医院看和大医院看，医保按同一套价格付钱。
▍为什么 / 背景：过去医保付费主要围着大医院转，社区看常见病、大医院也看常见病，两者报销价格不一样，很多人就宁可挤大医院。2026 年 9 月国家医保局发布 DRG/DIP 3.0 版分组方案，首批设了 31 个基层内科病组（覆盖高血压等基层高频病种），推行「同病同治同付」——同一病种，无论在哪级医院，医保付同样的钱。
▍这对你（医疗信息化产品经理）意味着什么：这不只是政策，而是「用钱把人往基层引」的机制。意味着社区端的信息化产品（门诊、公卫、慢病管理、医嘱）会被更认真地采购和升级；也意味着你要把产品的病种结构、费用结构指标，按「基层病种」的口径重新设计一遍，而不是照搬大医院的模板。
本节术语速通：DRG/DIP=按病种打包付费的医保方式；基层病组=专为社区常见病划出的一组病种；同病同治同付=同一病种两处机构同价报销。分级诊疗的信号在不同来源中多次出现，具体数字以医保局正式文件为准。
② 一个真实行业案例：长沙麓谷社区卫生服务中心，AI 真的跑起来了
先交代背景：很多 AI+医疗项目止步于「演示」，真正落到基层、天天在用的不多。这次的主角是三方的合作项目——长沙麓谷街道社区卫生服务中心 + AI 公司数坤科技 + 本地信息化厂商长信畅中。
这个中心服务辖区约 30 万居民，每天接诊 上千人次，是真实在用的临床场景，不是 PPT。2026 年 9 月中旬，它拿下湖南省卫健委主办、六部门联合参与的 AI+医疗大赛一等奖（全省 192 个申报项目，仅 8 个一等奖）。
项目一口气落地了七个场景，最能说明「基层 AI 长什么样」的有三个：
- AI 全科辅助诊疗：给全科医生出诊断参考、做用药审核；
- AI 语音外呼随访：自动给高血压、糖尿病等慢病患者打电话随访（慢病随访在社区是最重、最繁琐的活）；
- 一站式智慧门诊：刷脸挂号、医保核验、缴费，加上基于居民健康大数据的「AI 健康画像」做个性化健康指导。
▍这对你意味着什么：这组数字（30 万居民、千人次/天、192 选 8）说明，基层 AI 的卖点不是「诊断都交给 AI」，而是把随访、挂号、文书这些繁重但可标准化的活先接过去，让缺全科医生的基层先松一口气。做产品时，别一上来就挑战最难的高风险诊断，先碰这些「高频、低风险、可标准化」的场景，落地阻力小得多。
术语速通：AI 语音外呼=用 AI 自动拨打电话提醒/随访；健康画像=把居民多年健康数据汇总成一份可指导干预的画像。
③ 一个近期行业或科技变化：政策把「数智化」写进了社区的任务清单
两件带日期、有来源的真实变化，把「基层医疗 AI」从话题变成了任务。
变化一：卫健委明确要社区用 AI。 2026 年 5 月 29 日，国家卫健委办公厅印发《关于进一步健全城市社区卫生服务体系 提升服务能力的通知》（国卫办基层发〔2026〕7 号），其中第（八）条「加强数智化赋能」点名要在社区推广医学 AI 辅助诊断、处方前置审核（开药前先用规则和知识库把不合理处方拦下来）、语音病历自动采集辅助书写，并推动检查检验结果互认。目标写到 2030 年街道社区卫生服务中心基本全覆盖。（来源：国家卫健委官网，2026 年 5 月 29 日）
变化二：医保给基层开「单开小灶」。 国家医保局 2026 年 9 月发布 DRG/DIP 3.0 版分组方案，首次设立基层病种、推行「同病同治同付」，配合分级诊疗把常见病留在基层。（来源：国家医保局、人民网，2026 年 9 月）
▍这意味着什么：一边卫健委告诉社区「要上 AI」，一边医保告诉基层「你多留常见病、我给你同价」，两条线一起动——对做社区/基层医疗信息化的产品经理，这是政策势能最集中的窗口期。
信息说明：以上为可交叉核验的政策与公开报道；具体分组数、结算细则以医保局/卫健委正式文件为准。
④ 一个值得你思考的问题：AI 干得越多，医生越像「复核员」？
这里有个真实的张力，我不急着给答案。
AI 承诺「解放医生」：自动写病历、自动审方、自动随访。但现实中，医疗的诊疗责任、纠纷、质控，最终都压在签字的那个医生头上。于是 AI 的建议常常变成医生要逐条复核再确认的「待办」。AI 越负责，签字人的验证负担反而可能越重。
在基层，这个问题更尖锐：全科医生本来人手就少，AI 到底是帮他省时间，还是给他多添一道把关的活？「AI 辅助」和「AI 添麻烦」之间，产品做出什么样的交互，才算真的站在医生这边？
▍这对你意味着什么：与其只宣传「AI 多准确」，不如想想「AI 在谁的工作流里、替谁省了多少步」。把「责任边界」当产品功能来设计（什么时候 AI 只给建议、什么时候连带证据、如何让医生一键采纳），可能比刷一个更高的准确率更值钱。
⑤ 一个市场或商业案例：数坤为什么从「影像 AI 公司」掉头做基层和城市平台？
先说商业背景。早年医疗 AI 创业公司大多靠「单个 AI 产品卖给医院」变现——按产品、按证、按调用收费，天花板不高，因为单点、分散、难放量。
数坤科技这家公司（影像 AI 出身，有「数坤坤」多模态医学大模型）在 2026 年的动作值得注意：它把产品从「单点工具」扩展成基层、医院、城市、省级四大 AI 场景平台，主打「数智基层 3.0」和「数字医生智能体团队」，落地北京昌平、苏州吴中等多地。也就是说，它开始做To G（卖给政府）的「区域级/城市级平台」——一次性一整个区的基层未来几年都用它的底座。
为什么要变？逻辑是：单点工具卖洞见，平台卖「整体覆盖」的确定性。To G 平台客单价高、粘性强、能铺量，但回款周期长、要绑定地方项目。这是一条更难但更肥的商业模式路。
▍这意味着什么：医疗 AI 的商业化正在从「卖一个聪明产品」转向「承包一层体系」。对做产品的你，这提示一个缺口——谁在把「一堆 AI 点」攒成「一个可落地、可运维、可验收的区域平台」？这才是当前最缺的产品组织能力。
术语速通：To G=面向政府（G 即 Government）销售；多模态大模型=能同时看文字、影像、基因等多类型数据的模型。
⑥ 今日工作可用（2 条，今天就能用）
1. 当你在评审社区/基层信息化产品的需求范围时，把卫健委通知第（八）条点名的四项「数智化」——AI 辅助诊断、处方前置审核、语音病历自动采集、检查检验结果互认——当一张核对清单，逐条问「我们产品覆盖了吗、排第几优先级」。这四项都是上级点名、最有预算势能的方向，不空转。
2. 当你跟试点 DRG/DIP 3.0 的客户谈需求时，多问一句：「你们在推进基层病种『同病同治同付』吗？」如果分级诊疗真落地，社区端的病种会变厚，你产品的单病种路径、费用结构、慢病随访这些模块，可能要按「基层病种」口径重排——早问，早有意愿，早占坑。
七视角打卡
本期锻炼的视角：用户视角（基层医生与患者的真实场景）、业务视角（社区门诊/随访/审方流程）、产品视角（责任边界与工作流设计）、技术视角（AI 辅助与多模态）、市场视角（医院 vs 基层 vs 区域）、商业视角（单点工具 vs To G 平台）、行业视角（分级诊疗与政策合力）。