问题——重疾面前的抉择困境更加突出。
以乳腺癌等常见肿瘤为例，患者往往要在多种诊疗建议中做选择：有的方案强调“前沿”“创新”，但价格高、适用证据有限且难以纳入医保；有的遵循临床指南，路径相对清晰、费用更可预期。
对多数家庭而言，复杂的检查报告、陌生的医学术语、分散的就诊信息叠加治疗窗口期压力，容易形成“看得见风险、看不清方案”的现实处境，医疗决策和经济负担相互交织，进而放大“因病致贫、因病返贫”的忧虑。
原因——信息不对称与资源分布不均是关键掣肘。
一方面，肿瘤诊疗涉及外科、放化疗、影像、病理、内分泌等多学科协同，普通患者难以对证据强度、适应证边界、费用结构作出判断；另一方面，优质医疗资源仍相对集中，基层地区在疑难重症的规范诊疗、随访管理和多学科会诊机制方面存在短板。
此外，医疗场景容错率极低，单纯依靠通用信息查询或线上问答，难以覆盖“从诊断到方案制定再到支付管理”的全链条需求，导致不少产品停留在“提供信息”层面，难以真正解决“怎么治、治到什么程度、花多少钱、是否值得”的核心问题。
影响——决策质量直接关系疗效、公平与支付可持续。
对患者而言，若缺乏权威、可解释的方案比对，可能出现过度医疗、重复检查、路径偏离指南等风险，也可能因担心费用而延误治疗。
对医疗体系而言，重疾诊疗路径不规范会推高整体费用，挤压优质资源供给效率。
对商业保险等支付方而言，费用快速攀升与疗效不确定并存，既增加赔付压力，也考验风控能力和产品可持续性。
近年来全球医疗智能化升温，部分海外产品通过实时检索权威证据提升临床信息获取效率，带动行业关注度上升，也进一步促使国内探索更贴近临床实际的应用形态。
对策——从“信息工具”走向“诊疗协同与支付治理”是重要方向。
业内普遍形成两类探索路径：一类强调通用交互与入口能力，便于快速触达用户，但在严肃医疗场景仍需面对临床数据积累不足、专业可追溯能力不够等挑战；另一类深耕循证检索与知识图谱，在信息组织方面见长，但往往止步于“给出资料”，难以把方案落到可执行的诊疗路径与支付管理上。
在此背景下，中国平安提出以“诊疗+支付”闭环为定位，探索多学科会诊平台建设，强调在疑难重症领域做深做实：一是汇聚专家协作机制，推动分学科意见整合，形成更接近临床决策流程的会诊建议；二是结合既往理赔与肿瘤相关数据沉淀，尝试建立对治疗路径与费用结构的评估能力，使建议不仅“医学上说得通”，也“费用上算得清”；三是面向城乡差异，推动优质诊疗建议的可及性提升，减少患者在不同机构间奔波试错带来的时间与经济消耗。
前景——规范化、可及性与可持续将成为衡量成效的核心标尺。
未来一段时间，医疗智能化竞争的重点或将从“谁更会回答”转向“谁更能落地”：能否与临床流程衔接、能否对证据来源与推荐逻辑可追溯、能否在多学科协同中持续迭代、能否在支付端实现风险分层与费用管理，并在合规框架下确保数据安全与隐私保护。
对于以保险支付为支点的探索而言，若能在规范诊疗、减少不必要支出与提升服务可及性之间形成可验证的效果，将有望为“价值医疗”提供更多可复制的实践样本。
但同时也需要看到，重疾诊疗高度复杂，平台能力建设离不开真实世界数据积累、专家共识机制完善与医疗机构协同推进，短期内难以“一步到位”，更考验长期投入与治理能力。
医疗AI的价值最终体现在患者的生命安全和生活质量的改善上。
当面对百万元天价方案与十几万元标准方案的选择时，能否获得科学、透明的诊疗指导，往往决定了患者的治疗效果和经济负担。
从"对话"到"诊疗"，从"工具"到"决策"，医疗AI正在经历一次深刻的内涵转变。
在这个过程中，既需要技术企业的创新驱动，更需要医疗、保险等产业参与者的深度协同。
平安的AI-MDT探索虽然走得更难、更深，但也更贴近患者的真实需求，更符合"价值医疗"的时代要求。
这样的创新实践，对于推动整个医疗保障体系的质量提升具有重要示范意义。