区域联动的关键，是让专业支持与服务承接同步到位。基层开展影像检查，需要上级医院提供诊断支持和必要的转诊保障；对需要康复、护理或健康管理的出院患者，应及时安排后续服务。人工智能可以辅助分析区域内的服务需求、专业力量和可用资源，为跨机构预约、转诊安排及随访提供支持。依托医联体、医共体完善共同质量标准，明确转接规则，让机构各尽其责，推动优质医疗资源向基层延伸、在区域内合理布局。

在具体任务中，人机分工要与风险程度和人员能力相适应。对流程相对规范、风险可控的资料整理任务，可以增加智能辅助；面对复杂病情和重要治疗选择，则应由医务人员作出专业判断，并与患者有效沟通。工具开发应贴近医患的表达习惯和实际工作流程，医务人员应了解工具的适用条件，保持独立判断。在明确医务人员专业职责的同时，还要保障其能够获得必要依据、提出异议并接管处置，落实医疗机构和开发者的相应责任，使人工复核发挥实质作用。

局部环节的提速，还要与整个服务过程的资源配置相适应。可以开展智能排程，由一线医护人员核实实际服务条件并完善调度方案。对于模型停用或使用范围收缩后可能增加的人工工作量，要预留必要的接管能力和应急资源。还应结合患者等待时间、转诊衔接和医务人员总体工作负担的变化，持续评估应用效果、调整服务安排，把局部效率的提升转化为稳定、适宜的服务供给。

强化“三医”协同，提升健康投入的治理效能

习近平总书记提出，“要坚持把推进医疗、医保、医药协同发展和治理作为医药卫生体制改革的主攻方向”，“实现基金安全运行、医院良性运转、群众负担合理”。这要求我们统筹协调服务供给、保障支付和医药供应之间的权责与利益，发挥人工智能在辅助整合跨系统信息、分析不同政策相互影响等方面的作用，为部门共同研判和政策调整提供支持。

协调服务供给。支持基层加强预防和延续照护，需要医疗机构和医务人员持续投入。投入发生在当期，避免疾病进展的收益却可能在多年后显现，并由不同主体分享。应根据任务特点确定评价期限，在明确财政公共卫生投入和医保支付各自职责、支出范围的基础上，做好政策衔接，并完善医疗机构内部激励。对专业支持和健康管理劳动给予合理补偿，建立与服务责任、实际贡献相适应的收益分享和风险分担安排。

强化资金保障。发挥医保基金战略购买作用，统筹考虑医疗服务能力和医药供应条件，将购买范围、支付方式、预算约束与质量评价相结合，引导医疗机构提供适宜、连续的服务。人工智能可以辅助分析诊疗需求、用药变化与基金支出的联系，识别政策衔接中的堵点，为调整服务安排和保障药品供应提供依据。

完善规则制度。完善政策会商和争议处理机制，明确协作事项、责任主体及办理时限，共享必要信息。对于不同政策组合的可能影响，可以借助经过校验的模型开展模拟，分析可能出现的成本转移和风险传导。在此基础上，结合实际对模拟结果进行检验评估，说明适用条件和不确定性，为有序开展试点提供参考。

注重评估检验。借助人工智能持续跟踪服务流向、资源使用、基金支出和患者负担的变化，关注不同地区和人群的受益差异。作出具体评价时，需充分考虑病例差异、服务条件和长期效果，避免简单以费用降低代替健康改善。及时将评价结果用于购买、支付和采购政策的调整，协商纠正执行中的偏差，以增强政策之间的协调性，提高健康投入的整体效益。

促进创新与治理协同，推动数字健康成果普惠共享

面向未来，应将治理规则贯穿技术研发、验证、应用和持续改进的全过程，以清晰的规则引导创新，为新技术进入健康服务提供可靠保障。

明确各方主体在人工智能辅助诊疗、健康管理、医保服务等场景应用中的责任。开发者应说明技术的能力边界，提供验证依据，承担产品质量和更新维护责任。医疗机构应做好使用授权、人员培训和异常处置，明确必要时由谁接管、如何接管；医务人员应结合患者实际作出专业判断。管理部门则应推动标准、评价和监管要求有效衔接，使各方承担的责任与其掌握的信息、能力和资源相匹配。

深化医教协同。大学、附属医院和科研机构应围绕真实健康需求，加强跨学科合作，将临床判断、算法原理、服务运营和治理要求融入课程与实践。通过联合培养、跨学科导师团队等方式，培养能够跨专业合作的人才，打造优势互补的团队。加强基层医务人员在岗培训，提供便捷的技术咨询和运维支持，帮助一线人员理解工具边界、识别异常并妥善处置，使人才培养与服务能力建设相互促进。