OECD《规模化医疗 AI》报告与政策清单

医疗 AI 的讨论常常停在“能不能用”，而政策制定者真正卡住的是“怎么铺开”。OECD 的《Scaling Artificial Intelligence in Health》要回答的正是这个问题：成员国在把 AI 从局部试点推向卫生系统常规运行的过程中走到了哪一步，缺的是什么。这条线索并非始于今日——OECD 自 2019 年起通过《AI 原则》、OECD.AI Policy Observatory 和专家组等工作持续介入这一领域。它此刻值得读，是因为 2024 年 OECD 卫生部长们认可的《Building Better Policies for More Resilient Health Systems 宣言》已经明确要求对医疗 AI 采取“针对部门特点”（sector-specific）的政策路径，而这份报告及其政策清单就是为落实该要求准备的。换句话说，它更接近一份治理进度盘点加行动工具的组合，并非技术展望。

报告覆盖 OECD 成员国，做的是政策进展的横向盘点：各国在 AI 医疗战略、监管沙盒、卫生技术评估、采购指南等方向上各自推进到哪一步。撰写工作由 OECD 就业、劳动与社会事务司（ELS）下属健康司的团队完成，并吸收了科学、技术与创新司（STI）和治理司（GOV）的意见，属于 OECD “Thriving with AI” 横向项目的一部分。清单的开发有 OECD AI in Health 专家组深度参与，GDHP（Global Digital Health Partnership）与 Coalition for Health AI（CHAI）就条目的完整性与优先级提出了建议，欧洲委员会、爱丁堡大学的研究者以及 WHO Europe 等方面也提供了评论。清单的雏形可追溯到为《Health at a Glance 2023》起草、并用于 GDHP/OECD Policy Repository Tool 的早期文本。报告由 Health Foundation 提供资金支持，文责由作者承担。

盘点的结果呈现出明显的落差。OECD 成员国在医疗行政中使用 AI 的比例达到 100%，行政侧可以说已经普及；但医学影像的全国级推广仅约 10%。政策供给同样稀薄：仅 18% 的成员国制定了 AI 与健康交叉领域的战略或行动计划，仅 3% 的成员国正在制定针对医疗 AI 的国家立法。把这几组数字放在一起，最直观的解读是：普及发生在行政后台环节，一旦涉及临床决策与全国铺开，制度化供给就跟不上。

报告把落差归因于数据基础碎片化、政策不协调和治理障碍，并把待补的功课落在三个方向：信任与能力建设；数据质量、可及性、保护与使用的强化；以及引导和监督 AI 落地的领导力。换句话说，症结不在算法是否好用，而在数据能不能连起来、责任能不能划清、由谁牵头。政策清单正是对着这些缺口设计的：它把成员国应当具备的政策要素逐条列出。从功能上看，它更像一份对照自查的要素表，并非排名工具——这一判断是我的解读，清单本身并未设定打分机制。

这些结论对实践的含义是，行政层面的高采用率不会自动溢出到临床规模化。影像这类需要跨机构数据、明确责任归属和支付路径的场景，恰恰最依赖治理基础设施；当战略、立法和评估机制还只存在于少数国家时，规模化就只能靠个别项目推动。对卫生部门而言更可操作的抓手是中间层工具——监管沙盒、卫生技术评估、采购指南，它们决定 AI 能否进入常规流程。我的解读是，报告的价值与其说在于给出答案，不如说在于把“卡点”整理成一张可以逐项推进的清单。

卫生政策制定者、数字健康治理与卫生信息化的从业者、医院管理层，以及为公共部门处理 AI 合规与采购事务的顾问，都能从中获得有用的参照。读完可以拿走的是一套判断坐标：知道本国在战略、立法、沙盒、评估、采购这几条线上大致处于什么位置，清单里哪些条目可以立刻用于内部盘点。边界也需要说清楚：报告的落点是政策与治理进展，并不评估具体 AI 产品的临床效果或成本效益；报告所表达的观点为作者观点，不一定代表 OECD 成员国或专家组成员的立场；清单本身是自愿性参考工具，不具约束力。把它当作提问的框架，比当作合规的判决书更合适。