就医选择与健康信息决策行业研究报告

基本信息

阅读时间：约 27 分钟

字数：约 14,022 字

摘要：市场担心：患者侧的互联网医疗用户增长已经见顶。截至 2025 年 6 月，互联网医疗用户约 3.93 亿人、渗透率约 35%，且自 2022 年以来用户规模一直稳定在 4 亿人左右 [4]；公立互联网医院的线上问诊被限定在复诊场景，多数医院还要求患者先完成该科室的线下就诊才能线上复诊 [4]；第三方平台的活跃度高度依赖购药场景，多数用户并未真正体验过在线问诊 [4]。用户见顶叠加场景受限，患者侧决策这一层似乎只剩下卖药。

市场担心：患者侧的互联网医疗用户增长已经见顶。截至 2025 年 6 月，互联网医疗用户约 3.93 亿人、渗透率约 35%，且自 2022 年以来用户规模一直稳定在 4 亿人左右 [4]；公立互联网医院的线上问诊被限定在复诊场景，多数医院还要求患者先完成该科室的线下就诊才能线上复诊 [4]；第三方平台的活跃度高度依赖购药场景，多数用户并未真正体验过在线问诊 [4]。用户见顶叠加场景受限，患者侧决策这一层似乎只剩下卖药。

我们认为：患者侧决策的瓶颈早已不是「信息能不能拿到」，而是「拿到之后敢不敢信」。同一时点上，互联网医疗用户规模在不同口径下分别是 3.93 亿人 [4]、4.11亿人 [1]与 4.62 亿人 [3]；而在信任一侧，只有 39.6% 的人认为互联网有助于判断症状严重程度，近 70% 认为难以辨别网上的可靠信息 [16]；24.2% 的受访者会用社交媒体检索癌症相关信息，但只有 9.8% 信任这些平台 [17]。使用率与信任率之间的这道缺口，才是这个行业真实的矛盾所在。

1. 需求侧的决策起点正在下沉：2025 年全国基层医疗卫生机构诊疗人次达 55.6 亿、占比 52.6% [6]，基层诊疗量占比已连续 5 年上升 [5]，紧密型县域医共体内的基层诊疗人次占比超过 63% [6]。患者就医决策的「第一公里」发生在基层，而不是三甲医院门口；
2. 物理可及性已经不是约束：全国有超过 110 万所医疗卫生机构覆盖城乡，超过 90% 的居民可以在 15 分钟内到达最近的医疗服务点 [6]。当「走得到」被解决之后，「选得对」成为唯一剩下的约束；
3. 决策辅助的技术精度已跨过可用阈值，但没有跨过责任阈值：在上海交通大学医学院附属新华医院 6 名临床医师提供的人类基线下，DeepSeek 深度推理模型的单轮诊断准确率 71.79%、补充信息后升至 76.18%、信息完整时达 89.76% [11]；但在 27 名平均执业 25.9 年的临床专家盲评中，表现最好的模型得分 6.36（10 分制）、仅相当于低年资医师水平，且 3% 至 19% 的回复被评为不合格，另识别出 40 例幻觉 [12]。

本篇增量：把「患者侧决策」拆成一条可计价的成本链——决策总成本等于直接医疗支出、时间成本、交通与陪护成本、决策返工成本四项之和。以人均体检支出 236.1 元 [9]为货币锚、以体检平均等待 112 分钟 [10]为时间参数，测算单次就医决策的患者侧综合成本约 333.9 元（测算），其中非医疗支出占 29.3%。同时给出线上问诊的单次客单价锚：由基层诊疗人次 55.6 亿与占比 52.6% [6]反推，全国总诊疗人次约 105.70 亿（测算），按线上问诊渗透率 20% [18]与线上问诊规模 917 亿元 [18]反推，单次线上问诊客单价约 43.4元（测算）。

讨论「就医选择与健康信息决策」，需要先把患者侧的决策拆成四类场景：就医前的健康信息检索与症状判断、就医中的机构与医生选择、就医后的复诊与用药管理、以及贯穿全程的支付与保障安排。这四类场景的付费主体不同、决策时长不同、容错空间也不同——前两类的错误代价最高，后两类的频次最高。

同一指标出现三个数，本身就是这个行业的特征。4.11亿人对应截至 2025 年 12 月的口径、占网民整体的 36.5% [1][2]；3.93 亿人对应截至 2025 年 6 月的口径、渗透率约 35% [4]；4.62 亿人来自机构年报转引统计报告的口径、占网民整体 40.1% [3]。三个数之间的差值接近 7,000 万人，差异来源既包括统计时点，也包括「是否把只用过线上买药而未使用过线上问诊的用户计入」。讨论这个行业时，口径必须与结论绑定，否则任何增速测算都会失效。

市场结构比总量更值得关注。2025 年互联网医疗线上市场 4,943亿元 [18]中，器械与保健品 2,805 亿元占 56.7%，药品 1,221 亿元占 24.7%，问诊 917 亿元占 18.6%（测算）。患者侧的付费意愿集中在「物」（药与器械）而不在「决策」（问诊）——决策服务本身只占不到两成。但结构的斜率正在改变：到 2030 年，问诊规模将增至 1,817 亿元、渗透率从 20% 提升至 30% [18]，是三个细分中渗透率抬升幅度最大的一个。

分级诊疗在过去五年重塑了患者的就医路径。2025 年，全国基层医疗卫生机构诊疗人次达 55.6 亿、占全国总诊疗人次的 52.6% [6]，基层医疗卫生机构诊疗量占比达到 53%、连续 5 年上升 [5]；全国双向转诊的医疗人次数持续增长，2025 年比 2020 年增加了近 50% [5]。在紧密型县域医共体内，基层诊疗人次占比超过 63%，高于全国平均水平 [6]。

支撑这一重心迁移的是可及性与药品衔接两条基础设施。全国有超过 110 万所医疗卫生机构覆盖城乡，基本医疗卫生服务覆盖 14 亿人，超过 90% 的居民可以在 15 分钟内到达最近的医疗服务点 [6]；2025 年全国超过 90% 的县域医共体内，基层成员单位都有上级医院的医务人员下沉派驻，总人数超过 7 万人；超过 80% 的县建设了影像、心电、检验等资源共享中心，服务群众超过 3.3 亿人次；全国 1,800 多个县成立了转诊会诊中心 [7]。

用药衔接是决策下沉能否成立的关键一环。2025 年全国超过 70% 的县建立了县级中心药房 [7]，乡镇卫生院与社区卫生服务中心平均配备药品超过 300 种、村卫生室平均 100 种 [7]，并且可以根据群众需求动态调整药品供应保障目录 [7]。当基层能配到药、能刷医保卡结算时，患者选择基层的现实成本才真正下降——「取药不出村」这类体验改善，直接改变了慢病患者的复诊路径选择 [7]。

对决策服务供给方的含义是：需求侧的主战场不在三甲医院门口，而在县域与社区。基层诊疗人次占比 52.6% [6]意味着超过一半的就医决策发生在县级及以下机构，而这些机构的信息化程度与决策支持工具渗透率显著低于三甲医院。决策服务的增量空间来自「把三甲级的判断能力平移到基层场景」，而不是在三甲场景里再叠加一个入口。

健康信息供给早已过剩，稀缺的是判定信息真伪的能力。一项覆盖约 22,176 名受访者的多国调研显示，69.5% 的受访者同意或强烈同意「很难在网上辨别哪些健康信息是可靠的」，其中 44.7% 表示同意、24.8% 表示强烈同意；只有 39.6% 的受访者认为互联网有助于判断症状是否严重到需要就医，27.9% 认为互联网有助于核实医生的建议 [16]。

另两组调研给出了同方向的证据。在一项 499 人样本的癌症相关调研中，75.9% 的受访者表示能理解专业人员提供的健康信息，53.3% 表示能区分医生与冒充者，24.2% 会使用社交媒体检索癌症相关信息，但只有 9.8% 信任这些平台上的信息；尽管 93% 的受访者每天使用互联网，却只有 27.2% 会把网上的健康信息真正应用于自身健康决策 [17]。这份样本中 87.2% 具有高等教育学历、67.9% 持有研究生学历 [17]——即便如此，从信息到行动的转化率依然不足三成。

美国一侧的民调进一步放大了这道缺口。2025 年 7 月的民调显示，55% 的美国成年人会使用社交媒体和人工智能获取健康建议，但其中信任所读内容的比例不足 10%；另一项调查显示 77% 的人担心网上的健康信息互相矛盾，研究还发现三分之一的用户会在社交媒体上看到大量虚假健康信息、三分之二的用户难以辨别信息真伪 [15]。使用面越宽，验证需求越强。

这三组调研拼出的结论比任何单一数据都清晰：健康信息的问题已经从「有没有」变成「信不信」。一个值得注意的旁证是，在 22,176 人的样本中，只有 13.9% 的受访者认为补充替代医学优于常规医学、49.0% 明确不同意 [16]——说明多数人并未被极端信息俘获，他们只是缺乏一个低成本的验证路径。验证路径的缺失，正是决策服务可以定价的地方。

患者侧决策辅助的供给能力，近两年由医疗大模型主导。在《Nature》发表的一项评测中，研究者在单轮、自由轮次与信息完整三种设置下测试了多个模型的临床诊断能力，人类基线由上海交通大学医学院附属新华医院 6 名具有 5 年临床经验的医师在允许在线检索的条件下独立完成 [11]。结果显示，DeepSeek 深度推理模型在单轮设置下取得最高的诊断准确率 71.79%，Gemini-2.0-FT 为 68.55%，OpenAI-o3-mini 为 64.99%，DiagnoseGPT 为 54.44%；在允许迭代追问的自由轮次设置下该模型提升至 76.18%；在关键信息全部给定的条件下达到 89.76%，MedGemma、OpenAI-o3-mini、Qwen-QwQ 与 Baichuan-M1 均超过 83% [11]。

国际同行评测给出了量级参照。2025 年 4 月《Nature》发布的一项医疗对话系统研究中，研究者用 159 个真实病例由专业演员模拟在线问诊，与 20 位全科医生进行盲测对决，该系统在初步诊断的首次命中率上超出医生 25%，十大候选诊断的覆盖率达 93%，而医生为 80%；在专科医生评估的 32 项指标中该系统在 30 项领先，患者评价显示其在 26 项沟通指标中有 25 项更优 [13]。需要注意的是，该研究同样明示了局限：文本聊天界面与常规医疗实践存在差异，模拟患者也未涵盖所有情况 [13]。

这项评测里最有信息量的细节不是准确率，而是「缺少检查结果会显著提高幻觉推理的概率」[11]。也就是说，模型的诊断水平高度依赖于信息完整度，而患者侧恰恰是信息最不完整的场景——患者能提供的往往只有主诉，既没有体征也没有检验结果。把在信息完整条件下达到 89.76% 的模型直接用于信息贫瘠的患者自述场景，本身就是一次参数错配。

另一项多学科盲评给出了责任侧的边界。研究者设计了 Medieval 框架，构建包含 13 个专科、685 个真实与模拟临床病例的题库，由 27 名平均执业年限 25.9 年的临床专家对 4,795 份模型回复进行了 9,856 条评分 [12]。在校正混杂因素后，DeepSeek 深度推理模型以 6.36 的平均分（95% 置信区间 6.03 至 6.69）位列第一，相当于一名低年资医师的水平；同时，3% 至 19% 的模型回复被评为不合格，研究中另外识别出 40 例模型幻觉 [12]。研究结论明确指向一点：未加防护的临床应用会带来严重风险，必须由人类专家组持续监督 [12]。

国内产品的落地指标则展示了另一条路径——把模型嵌入具体流程而不是直接面向患者。面向等级医院的医疗大模型产品已将支持诊断病种拓展至 2,500 种、首诊合理度达 98%；在门诊场景中诊断准确率达 93.1%，专科诊断合理率提升至 96%、跨科室诊断合理率 91%，病历书写时间减少 50% [14]。这类指标的共同点是：模型输出先经过医生，再到达患者——人类环节没有被跳过，只是被加速。

技术渗透的节奏同样值得注意。AI 辅助诊断在体检头部企业的渗透率已达 45%，智慧体检渗透率从 2020 年的 15% 提升至 2025 年的 35% [8]；在体检场景，全流程智能质控可将质控准确率提升至 99.9%、把单份报告质控时间从 15 至 20 分钟压缩至 1 至 5 分钟，并把错误率从 12% 至 15% 降至 1.8% 以下 [10]。

企业侧的用量数据说明这类辅助已经越过试验阶段。2025 年上半年京东健康总收入 353 亿元、同比增长 24.5%，其互联网医院日均问诊单量已超过 50 万；阿里健康截至 2025 年 9 月 30 日止六个月的净利润同比增幅达 64.7%；面向患者的智能体产品中，某系列智能体累计服务用户数已超 5,000 万，另一款健康应用月活用户超 3,000 万 [2]。这套用量规模说明患者对「先问一问」这件事的接受度已经建立，真正待解的问题不是用不用，而是用完之后信不信、以及由谁负责。

患者侧决策的改善空间可以用成本结构来度量。把一次门诊就医的患者成本拆成四项：直接医疗支出、时间成本、交通与陪护成本、决策返工成本。货币锚取人均体检支出 236.1 元（2025 年，较 2024 年的 219.8 元上升 7.4%）[9]；时间锚取体检平均等待时间 112 分钟，其中导检环节占 40 分钟 [10]；返工锚取 5% 的决策返工率（测算，对应需要重复就诊或重复检查的比例）。以时间的机会成本 0.5 元/分钟计（测算），得到单次就医决策的患者侧综合成本约 333.9 元（测算）。

这个结构里最有价值的信息是非医疗支出占 29.3%（测算）——接近三成的患者成本花在「怎么去、等多久、要不要再来一次」上，而不是花在诊疗本身。任何能够压缩等待时间或降低返工率的产品，其价值都可以直接换算成这 29.3%。这也解释了为什么预约挂号、报告解读与检后随访这类看似边缘的环节，在患者侧的实际感知强度往往高于诊疗本身。

供给侧的流程效率因此成为决策质量的直接约束。调研显示，约 68% 的体检中心存在「流程碎片化」问题，体检者平均等待时间长达 112 分钟，直接影响 25% 的客户流失；约 45% 的机构仍采用手工加部分系统的半数字化模式，65% 未实现全流程无纸化，数据对接率不足 40%；人工质控出错率约 12%、报告错误率约 5%；约 60% 的机构缺乏系统化的检后跟踪体系 [10]。

满意度数据给出了同一问题的另一面。客户对报告准确性的满意度为 65%、总体满意度 62%，但对「检后健康管理」的满意度低至 28%；客户复购率徘徊在 35% 至 45% 之间 [10]。前端（检查）与后端（管理）之间近 30 个百分点的满意度落差，指向的是一个明确的产品缺口：检查完成之后，患者并不知道下一步该做什么。

把决策成本与流程痛点叠加，可以定位出这类服务最有价值的切入位置：它既不在「查」，也不在「治」，而在「查完之后怎么办」。检后健康管理满意度 28%、复购率不足 45% [10]说明这个位置的存量供给几乎为零，而 29.3% 的非医疗成本占比（测算）说明患者愿意为「少跑一趟、少等一会、知道下一步」付出代价。

医疗服务供给侧的格局是「公立主导、主体分散」。2025 年公立医院承担了全年 80% 的诊疗量 [3]，民营医院在规模与成本上处于明显劣势 [3]。在体检这一最接近「主动决策」的细分市场里，公立医院体检科占据约 70% 的市场份额，民营专业体检机构约占 20% [9][10]；从更严格的专业机构口径看，民营体检市场的 CR3 约为 34%，其中美年健康的市占率约为 24% [9]。

头部机构的绝对体量不大。2025 年体检市场规模在 2,800 亿元至 3,711 亿元区间、体检人次约 4.92 亿至 6.28 亿、渗透率约 40%，而四家头部机构合计服务 5,306 万人次、仅占全国总量的 8.45% [8]。美年健康 2025 年营收 103.60 亿元、体检客户 2,411 万人次；爱康国宾约 170 家中心、服务 1,086 万人次；瑞慈医疗近 80 家机构、服务超 500 万人次 [8]。渗透率数据同时说明了增长空间：国内约 40% 的体检渗透率，仍显著低于发达国家约 70% 的平均水平 [9]。

分散的供给结构对决策服务的含义是双向的。一方面，没有一家机构能凭体量垄断患者的决策入口，这意味着第三方决策平台存在立足空间；另一方面，高度分散也意味着标准化难度大——当 70% 的供给由公立医院体检科提供时，任何面向患者的决策产品都必须先解决「跨机构数据与标准不统一」这个前置问题，否则决策建议无法落地到具体的检查项目与科室。高端体检市场以 18.7% 的年复合增速成为行业最大亮点 [9]，也从侧面印证了「为确定性付费」这件事在患者侧是成立的。

患者侧决策最清晰的商业化路径出现在「决策 + 履约」的耦合场景，典型代表是医药电商。2025 年中国医药电商交易规模突破 2,450 亿元、较上年增长 32.7%，线上渗透率首次越过 12% 关口达到 12.5%；通过互联网平台流通的处方药规模达 582 亿元、占整体处方药零售市场的 7.9%；慢病及常见病用药的线上复购率攀升至 63% [19]。

用户结构的变化揭示了决策服务的目标人群。4.2 亿活跃买家中，35 岁以上的中年慢病群体占比上升至 41%；下沉市场用户渗透率从 2024 年的 18% 跃升至 2025 年的 26%，县域及农村订单占比提升至 22% [19]。慢病复购率 63% [19]意味着这个场景天然具备「决策—履约—复购」的闭环，而不需要额外购买流量——这正是决策服务在医疗领域最稀缺的属性。

最关键的一组数据是用户决策因素的权重排序。在购买决策中，药品真伪保障占 34%、配送时效占 27%、在线问诊一体化服务占 21% [19]。「价格」没有出现在前三项里。这说明患者侧的付费逻辑已经完成了一次切换：从「买得便宜」转向「买得放心、到得快、有人管」——与第三章的信任缺口判断形成了闭环。

履约基础设施的完备度决定了这种信任能否被规模化兑现。医药电商的 O2O 即时配送到家服务已覆盖 300 个城市，履约时效中位数压缩至 28 分钟，夜间订单占比提升至 15%；B2B 撮合平台连接超过 1.8 万家药店及诊所，年撮合交易额突破 900 亿元 [19]。当履约时效进入「半小时」区间后，线上购药相对于线下药店的便利优势已经成立，剩下的竞争变量就集中在真伪保障与专业服务上。

患者侧决策服务的规模测算可以写成一条可相乘的因子链：

线上问诊规模 = 全国总诊疗人次 × 线上问诊渗透率 × 单次问诊客单价

三个参数中，全国总诊疗人次没有直接公布值，但可以由两个官方数据反推：2025 年全国基层医疗卫生机构诊疗人次 55.6 亿 [6]，其占全国总诊疗人次的比重为 52.6% [6]，相除得到全国总诊疗人次约 105.70 亿（测算）。线上问诊渗透率与线上问诊规模来自行业研究报告：渗透率 20%、规模 917 亿元 [18]。两者相除，得到单次线上问诊客单价约 43.4元（测算）。

敏感性矩阵给出的第一条结论是模型的可靠：中性组合下测算值 917.5 亿元，与行业口径 917 亿元 [18]的偏差小于 0.1%，说明「总人次 × 渗透率 × 客单价」这三因子框架对现阶段的线上问诊市场是成立的。第二条结论是弹性方向不对称：渗透率从 20% 提升到 30%、客单价不变时规模增长 50%；而客单价从 43.4 元提升到 70 元、渗透率不变时规模增长 61%（测算）——在现有的价格带水平上，客单价的边际贡献略大于渗透率。第三条结论是低端组合的规模有限：渗透率 12% 叠加客单价 30 元的组合下，线上问诊规模仅 380.5 亿元（测算），不足以支撑一个独立的决策服务平台。

把视野放大到整个互联网医疗线上市场，三情景的空间差异更明显。以 2025 年 4,943亿元 [18]为基数，保守情景按年化 12% 增长（渗透率提升放缓）；中性情景按年化 19.95% 增长，与行业报告对 2030 年 12,275 亿元、十年复合增速 20.4% 的预测对齐 [18]；乐观情景按年化 25% 增长（问诊渗透率加速抬升）。中性情景下 2030 年线上规模约 12,273.6 亿元（测算），与外部预测的偏差小于 0.1%。

以下风险与正文判断一一对应，按「供给—需求—政策」三类列示：

1. （一）复诊场景限制压制需求
2. （二）模型幻觉引发决策风险
3. （三）信任缺口长期不转化为付费
4. （四）跨机构数据标准不统一
5. （五）医保支付推进节奏偏慢
6. （六）检后管理供给长期不足

对号入座：（一）对应第二、八章，公立互联网医院的线上问诊仍被限定在复诊场景，且多数医院要求先完成线下就诊 [4]，压制了渗透率的上行斜率；（二）对应第四章，缺少检查结果会显著提高幻觉推理的概率 [11]，而患者自述正是信息最不完整的场景；（三）对应第三章与第七章，信任缺口存在并不意味着可付费，若「先把网上信息用于自身决策」的比例长期停留在 27.2% [17]附近，付费转化将受限；（四）对应第六章，公立机构占体检供给约 70% [9][10]，标准与数据不统一直接抬高决策产品的落地成本；（五）对应第七章，线上医保购药仅落地 23 个省级行政区 [19]，支付端若推进缓慢将压制品类扩张；（六）对应第五章，检后健康管理满意度仅 28% [10]，供给不足意味着患者无法完成从「查」到「管」的闭环。

结论一：患者侧决策的稀缺资源不是信息，而是验证。健康信息的使用率已接近饱和（93% 的受访者每天使用互联网 [17]，55% 的美国成年人用社交媒体与人工智能查健康建议 [15]），但信任率停留在个位数至两成区间 [15][17]，而把信息真正用于自身决策的比例仅 27.2% [17]。这个缺口的存在，是决策服务能够定价的全部理由。

结论二：决策的入口已经下沉。2025 年基层医疗卫生机构诊疗人次占比达 52.6% [6]、连续 5 年上升 [5]，县域医共体内该比例超过 63% [6]。与之匹配的是超过 110 万所医疗卫生机构覆盖城乡、超过 90% 的居民 15 分钟内可达最近医疗服务点 [6]。决策服务的增量在县域与社区，而不在三甲门口。

结论三：技术已经能提供辅助，但还不能承担替代。模型在信息完整条件下的诊断准确率已达 89.76% [11]，国内产品在门诊场景的诊断准确率达 93.1%、首诊合理度 98% [14]；但在患者自述这类信息贫瘠场景中，3% 至 19% 的回复被专家评为不合格、并出现 40 例幻觉 [12]。可信的产品形态是把模型夹在医生与患者之间的流程中，而不是直接交给患者做决定。

建议持续跟踪五个观察指标，作为上述判断的验证锚点：

1. 健康信息信任率与「用于自身健康决策」比例的年度读数（验证信任缺口，证伪线为后者超过 50% [17]）；
2. 基层医疗卫生机构诊疗人次占比（验证决策下沉，证伪线为连续两年低于 50% [6]）；
3. 医疗大模型在患者自述场景下的专家盲评不合格率（验证能力边界，证伪线为低于 1% [12]）；
4. 用户购买决策因素中「价格」的权重排序（验证信任定价，证伪线为重回前三 [19]）；
5. 互联网医疗线上规模与线上问诊渗透率（验证规模路径，证伪线为 2030 年低于 8,700 亿元 [18]）。

本报告共设六条可证伪链，覆盖信任缺口、决策下沉、信息验证、模型能力边界、竞争焦点迁移与规模测算。每条链均给出依据、边界、反面证据、跟踪指标与证伪条件，读者可按证伪条件自行验证判断的有效性。台账如下：

本报告所有关键数据均按四档标注数据来源档次，以区分证据强度与可复核性：

• [T1]一手或官方口径：政府与行业协会正式发布的统计、同源官方转载，可直接复核；
• [T2]机构二手口径：咨询机构、行业研究、学术期刊与专业数据库的整理数据，口径可能存在差异；
• [T3]媒体转引口径：媒体报道或企业对外披露口径，未经独立审计，仅作参考；
• [缺口]数据缺口：无法获得可靠来源的数据，本报告一律降级为定性讨论或不写。

所有标注「测算」的数字，均为本报告基于外部锚参数推算的结果，推算公式与参数取值在正文中逐项给出；测算值与外部锚存在偏差时，均在正文标注对账结果。本报告涉及的健康信息信任与使用数据主要来自境外样本 [15][16][17]，与国内口径存在文化与监管差异，本报告仅将其用于方向性判断，不作数值外推。互联网医疗用户规模在不同来源下存在 3.93 亿人 [4]、4.11亿人 [1]与 4.62 亿人 [3]三个读数，差异主要来自统计时点与「是否计入仅购药用户」，引用时以原始来源口径为准。