人工智能技術已經成為促進社會經濟發展的新動力之一。它在提高社會生產效率、實現社會發展和經濟轉型方面發揮著重要作用。人工智能作為引領新一代產業轉型的核心力量，在醫療行業展示了新的應用，在深度融合中創造了新的形式。
實際上，與制造、傳播媒體、零售、教育等行業相比，人工智能仍處于醫療的早期階段，商業化程度相對較低，行業滲透率較低，這與醫療行業的護理和保守必然密切相關。但不可否認的是，人工智能在醫療行業的結合已經解決了傳統醫療的諸多難題，市場需求廣泛，業務趨勢多樣，發展空間廣闊。
新冠肺炎疫情從云端推動人工智能發起到關鍵作用，提高整體抗疫效率。疫情已經成為人工智能在醫療行業的試金石，展現人工智能在醫療中的實力和價值。從應用場景來看，人工智能醫療應用還處于起步階段，如圖像識別、遠程查詢、健康管理等。
其中，圖像識別作為輔助診斷的細分行業，是人工智能在醫學行業應用最廣泛的場景。
影像診斷和治療的概念起源于腫瘤行業，然后擴展到整個醫學影像行業。了解醫學影像，獲取具有診療決策價值的關鍵信息，是診療過程中非常重要的一環。

過去，4-5名醫生需要進行醫學圖像預處理診斷。然而，基于人工智能圖像診斷，只有一名醫生進行質量控制和確認，這對提高醫療行為效率大有裨益。
人工智能最先在醫學圖像中爆炸著陸，主要是因為圖像數據的訪問和處理比較容易。比較醫學記錄等數據積累了三五年以上，圖像數據只需要一次拍攝幾秒鐘就可以獲得。一部影像片子可以反映患者的大部分病情，成為醫生確定治療方案的直接依據。
醫學圖像龐大規范的數據庫和智能圖像識別算法的不斷進步為人工智能醫學在這一行業的應用提供了堅實的基礎。
從技術角度來看，醫學圖像診斷主要借助圖像識別和深度學習。根據臨床診斷路徑，首先將圖像識別技術應用于感知環節，分析處理非結構化圖像數據，獲取有用信息。
其次，利用深度學習技術，將大量臨床圖像數據和診斷經驗輸入人工智能模型，使神經元網絡進行深度學習和訓練。最后，基于連續驗證和研磨的算法模型，進行圖像診斷的智能推理。輸出個性化的診斷和治療結果。
基于圖像識別和深度學習的人工智能與醫學圖像相結合，至少可以滿足三種需求。
1、焦點識別和標注，即醫學圖像產品的Al分割、特征提取、定量分析、比較分析等。
滿足這一需求，X線、CT、MRI等醫學圖像的自動識別和標記系統可以大大提高圖像醫生的診斷效率。目前，Al醫學成像系統可以在幾秒鐘內快速完成10萬多幅圖像的處理，提高診斷精度，尤其是降低假陰性診斷結果的概率。
2、靶區自動劃分和適應性放射治療。
目標自動繪圖和適應性放射治療產品可以幫助放射治療師自動勾畫200-450張CT片，大大縮短到30分鐘。并且在患者15~20次上機照射過程中不斷識別病變位置，實現適應性放射治療，可有效減少輻射對患者健康組織的損害。
3、三維圖像重建。
基于灰度統計的標準算法和基于特征點的標準算法可以解決故障圖像標準問題，節省標準時間，在病變位置、病變范圍、良惡性病變識別、手術方案設計等方面發揮作用。
落實方向看，當前我國AL醫療影像產品的布局方向主要集中在胸部、頭部、盆腔、肢體關節等部位，以腫瘤和慢性疾病篩查為主。
在人工智能醫學成像的發展和應用初期，肺結節和眼底篩查是一個熱門行業。隨著過去兩年技術的成熟和迭代，主要的Al醫學成像公司正在擴大業務范圍，乳腺癌、中風和骨關節周圍的骨齡測試已經成為市場參與者的關鍵行業。鋁影像進行新冠肺炎肺炎療效的定量分析和評價，已成為提高診斷效率和診斷質量的關鍵力量。
政策資本雙重進入。
如果圖像數據的相對可達性和處理性是人工智能在醫學圖像中首次爆炸和著陸的主要原因，國家政策的支持和資本的大量準入給人工智能在醫學圖像應用中不斷更新的力量。
從新政策來看，2013年至2017年，政府各部門出臺了一系列政策，不斷加大對國內醫療圖像設備、第三方獨立醫療圖像診斷中心、遠程醫療等行業的支持力度。
2016年底，國務院發布了十三五規劃國家戰略新興產業發展規劃，多次提到醫學影像，指出開發優質醫學影像設備、支持企業、醫療機構、研究機構等聯合建設第三方影像中心。國家發展改革委員會于2017年1月將醫學影像設備和服務納入其中。