近年来，随着我国医保支付方式改革进入深水区，DRG（疾病诊断相关分组）、DIP（病种分值付费）作为改革核心工具已在全国范围内实现统筹地区全覆盖，而AI技术与DRG/DIP的融合应用，正成为医疗、医保、医药三医联动领域的热门赛道，受到监管部门、医疗机构、科技企业的多方关注。

DRG/DIP付费的核心逻辑是按病种打包付费，倒逼医疗机构规范诊疗行为、控制不合理费用，最终实现医保基金提质增效、患者就医负担合理降低的目标。但在落地初期，行业普遍面临几大痛点：一是病案编码难度高，人工编码既要求从业者精通临床知识，又要熟悉上千条医保编码规则，效率低且误差率高，容易出现高编高套、低编漏费等问题；二是医保监管难度大，海量医保单据靠人工审核只能覆盖不到10%的样本，过度诊疗、串换病种、分解住院等违规行为难以被及时识别；三是医疗机构运营压力大，打包付费模式下医院若不能精准控费、优化路径，很容易出现病种亏损，传统人工成本核算、绩效考核的方式滞后性强，难以为运营决策提供实时支撑。

AI技术的融入恰好击中了上述痛点，目前已经形成多个成熟的应用场景。在病案编码环节，AI可以基于自然语言处理技术自动识别电子病历中的诊断信息、手术操作记录，自动匹配对应的医保编码，效率较人工提升5-10倍，准确率普遍可达95%以上，既减轻了编码人员的工作负担，也从源头减少了编码误差带来的医保结算纠纷。在医保监管环节，AI可以实现对医保结算数据的全量筛查，通过构建违规行为模型，提前识别低标入院、过度检查、费用异常等风险点，部分试点地区应用后，医保基金不合理支出占比下降超过15%，大幅提升了基金使用效率。在医疗机构运营环节，AI可以实时测算不同病种的成本结构、费用阈值，在医生开方、诊疗环节就给出费用预警，避免诊疗结束后出现超支，同时还能自动生成DRG/DIP运营报表，为医院优化临床路径、调整科室考核提供数据支撑。

政策端的加持进一步推高了行业对AI+DRG/DIP的关注度，国家医保局先后印发多个文件，明确提出要加快医保信息化建设，推广智能审核、智能监控在支付方式改革中的应用。目前国内已有超过20个省份的医保部门、上百家三级医院落地了AI DRG/DIP相关系统，赛道内的科技企业也频繁获得资本加注，行业正处于快速发展期。

当然，目前AI+DRG/DIP的落地仍然面临不少挑战：不同医疗机构电子病历数据标准不统一，影响AI模型的泛用性；患者医疗数据的隐私保护、AI编码错误的责任界定等规则仍待明确；部分AI模型可解释性不足，难以满足临床和监管的合规要求。但业内普遍认为，随着医疗大模型技术的迭代、相关配套规则的完善，AI+DRG/DIP将成为推动三医联动的重要技术支撑，最终实现医保、医院、患者三方共赢的改革目标。

本文由AI大模型（Doubao-Seed-1.6）结合行业知识与创新视角深度思考后创作。