以智能体引擎推动 三医 协同发展三医 协同发展和治理是深化医药卫生体制改革的关键所在。2025 年 1 月国家卫生健康委联合国家医保局、国家中医药局、国家疾控局、国家药监局印发《三医 协同发展和治理协作会商工作规则》将医疗、医保、医药的协同上升为跨部门制度安排 [1]同年 9 月2025 年中国卫生发展论坛以 三医 协同发展和治理跨部门行动与改革 为主题展开深度对话 [2]。国家医保局明确提出要以数据和资金为 双引擎 健全 三医 协同机制 [3]。当数据要素与人工智能在此交汇三医 协同的深度演进正从 政策协同、信息联通、监管联动 走向 数据融通、高质量数据建设、智能体赋能 的新阶段 —— 其本质是用 AI 替代和增强人工破解医保、医疗、医药三大领域长期存在的 人工处理难做 的共性痛点。一、数据融通三医 协同的底座工程三医 协同的前提是三医数据真正流动起来。国家层面正把数据融通作为基础设施推进依托全国统一医保信息平台四部门明确 2026 年起所有医药机构实现药品追溯码全量采集上传 [4]截至 2025 年 11 月全国已累计采集药品追溯信息近 900 亿条 [5]。医保部门同步建设药品追溯码、商品码与医保药品编码的 三码关系映射库 及包装级联映射库打通了 一盒药从出厂到患者手中 的完整数据链 [5]。医疗与医药侧同步提速。2020 年起国家医保局、国家药监局与卫健委联合发布 3 批医疗器械唯一标识UDI公告推动医保医用耗材分类代码与 UDI两码衔接[6]。2025 年 1 月国家医保局印发《关于建立医保数据工作组 更好赋能医疗机构发展的通知》强调用大数据赋能医疗机构、优化资源配置并强化基金监管 [7]。海南省更率先出台国内首个 三医 真实世界数据管理办法整合三方真实世界数据资源并规范应用支持药械研发评审与医保决策 [8]。正在建设中的 个人医保云则将集纳个人参保、就医、购药等全生命周期数据让数据融通进一步下沉到个人层面 [9]。二、高质量数据建设AI 发挥价值的前提数据融通解决 有没有高质量数据建设解决 能不能用。海量但杂乱的数据无法直接支撑 AI 模型这正是当前行业的深层瓶颈。业内研究指出医疗机构信息系统接口不一、数据标准化程度低、数据质量参差不齐直接制约了大数据监管模型的训练和应用效果 [10]。因此高质量数据建设已成为三医 AI 化的关键基础设施药品追溯的 三码映射库 级联映射库 与 规则库 本质上是在为 AI 构建 标准答案库 [5]医保支付改革中的 DRG/DIP 分组方案、病案首页质控规则、医用耗材医保通用名则为模型提供了可复算、可审计的数据底座 [5][11]。对行业而言谁能把多源异构的三医数据加工成 结构化、标准化、可标注、可回流 的高质量数据集谁就掌握了 AI 赋能三医的主动权。三、智能体让效率与质量发生质的跃迁当高质量数据遇上大模型与智能体人工处理难做 的痛点正被逐个击破。国家医保局在 2026 年基金监管工作中明确要基于 一病一档 探索开发与 DRG/DIP 支付方式相适配的单病种及多病种监管模型破解高编高套、分解住院、转嫁费用等监管难点基于医保影像云探索 人工智能 影像识别精准发现植入类耗材异常使用 [11]。各地实践已跑出成效哈尔滨以 病种画像 AI 智能体 构建全链条闭环监管遴选 10 个重点病种开展智能筛查累计识别高频问题项目 237 项、高频遗漏项目 89 类 [12]江苏开发 监管智能体构建覆盖 45 个场景的医保反欺诈大模型覆盖全省近 2 万家医疗机构累计实现事前预警 400 多万次仅 2025 年就追回大量违规医保基金 [13]贵阳贵安依托 基于 AI 全病历的医保基金智慧风控项目实现特例单议病历合规性智能审核 秒出 结果效率提升约千倍 [14]。这些案例的共同点是把原本依赖人工翻阅病历、逐条比对规则的监管工作交给 7×24 小时在线的智能体完成既能全量扫描而非抽样检查又能跨病案、诊疗、结算、追溯等多源数据做穿透式关联还能随新规则、新案例持续迭代。《医疗保障基金监督检查五年行动计划2026—2030 年》更明确提出推动医保监管从 被动应对 向 主动防控 转变实现全链条、智能化、穿透式监管 [15]。智能体由此成为监管质量与效率同步跃迁的支点。四、从 人工难做 到 AI 可做三医痛点的系统性解法回看三大领域痛点高度同构医保端基金监管面对海量结算数据与隐蔽新型违规人工抽审既覆盖不全又难以识别 DRG/DIP 下的高套编码行为 ——2026 年《医疗保障基金使用监督管理条例实施细则》已明确高套或低编病种编码属于违法但识别它恰恰需要跨病历、诊断、费用的人工比对 [16]医疗端病案质控、编码准确性、合理诊疗判定长期依赖专家经验药监端近 900 亿条追溯信息的核查绝非人力所能穷尽 [5]。AI 智能体提供的正是 人工做不了、做不快、做不准 的能力全量覆盖替代抽样、跨源关联替代单表比对、持续学习替代经验固化。这既是监管工具升级更是三医治理模式的深层变革。结语三医协同的本质是数据要素在医疗、医保、医药之间自由流动并形成价值闭环而 AI 智能体则是让这条数据链产生治理价值与质量价值的执行层。从数据融通打底到高质量数据建设筑基再到智能体应用见效三者构成 AI 赋能三医深度融合的三级阶梯。随着高质量数据集标准的落地、可信数据空间与行业大模型平台的成熟三医协同将完成从 人工密集型 向 智能驱动型 的根本性转变 —— 这既是深化医改的必然要求也是 AI 技术在国计民生领域最具社会价值的落点。