人工智能技术已经成为促进社会经济发展的新动力之一。它在提高社会生产效率、实现社会发展和经济转型方面发挥着重要作用。人工智能作为引领新一代产业转型的核心力量，在医疗行业展示了新的应用，在深度融合中创造了新的形式。
实际上，与制造、传播媒体、零售、教育等行业相比，人工智能仍处于医疗的早期阶段，商业化程度相对较低，行业渗透率较低，这与医疗行业的护理和保守必然密切相关。但不可否认的是，人工智能在医疗行业的结合已经解决了传统医疗的诸多难题，市场需求广泛，业务趋势多样，发展空间广阔。
新冠肺炎疫情从云端推动人工智能发起到关键作用，提高整体抗疫效率。疫情已经成为人工智能在医疗行业的试金石，展现人工智能在医疗中的实力和价值。从应用场景来看，人工智能医疗应用还处于起步阶段，如图像识别、远程查询、健康管理等。
其中，图像识别作为辅助诊断的细分行业，是人工智能在医学行业应用最广泛的场景。
影像诊断和治疗的概念起源于肿瘤行业，然后扩展到整个医学影像行业。了解医学影像，获取具有诊疗决策价值的关键信息，是诊疗过程中非常重要的一环。
过去，4-5名医生需要进行医学图像预处理诊断。然而，基于人工智能图像诊断，只有一名医生进行质量控制和确认，这对提高医疗行为效率大有裨益。
人工智能最先在医学图像中爆炸着陆，主要是因为图像数据的访问和处理比较容易。比较医学记录等数据积累了三五年以上，图像数据只需要一次拍摄几秒钟就可以获得。一部影像片子可以反映患者的大部分病情，成为医生确定治疗方案的直接依据。
医学图像庞大规范的数据库和智能图像识别算法的不断进步为人工智能医学在这一行业的应用提供了坚实的基础。
从技术角度来看，医学图像诊断主要借助图像识别和深度学习。根据临床诊断路径，首先将图像识别技术应用于感知环节，分析处理非结构化图像数据，获取有用信息。
其次，利用深度学习技术，将大量临床图像数据和诊断经验输入人工智能模型，使神经元网络进行深度学习和训练。最后，基于连续验证和研磨的算法模型，进行图像诊断的智能推理。输出个性化的诊断和治疗结果。
基于图像识别和深度学习的人工智能与医学图像相结合，至少可以满足三种需求。
1、焦点识别和标注，即医学图像产品的Al分割、特征提取、定量分析、比较分析等。
满足这一需求，X线、CT、MRI等医学图像的自动识别和标记系统可以大大提高图像医生的诊断效率。目前，Al医学成像系统可以在几秒钟内快速完成10万多幅图像的处理，提高诊断精度，尤其是降低假阴性诊断结果的概率。
2、靶区自动划分和适应性放射治疗。
目标自动绘图和适应性放射治疗产品可以帮助放射治疗师自动勾画200-450张CT片，大大缩短到30分钟。并且在患者15~20次上机照射过程中不断识别病变位置，实现适应性放射治疗，可有效减少辐射对患者健康组织的损害。
3、三维图像重建。
基于灰度统计的标准算法和基于特征点的标准算法可以解决故障图像标准问题，节省标准时间，在病变位置、病变范围、良恶性病变识别、手术方案设计等方面发挥作用。
落实方向看，当前我国AL医疗影像产品的布局方向主要集中在胸部、头部、盆腔、肢体关节等部位，以肿瘤和慢性疾病筛查为主。
在人工智能医学成像的发展和应用初期，肺结节和眼底筛查是一个热门行业。随着过去两年技术的成熟和迭代，主要的Al医学成像公司正在扩大业务范围，乳腺癌、中风和骨关节周围的骨龄测试已经成为市场参与者的关键行业。铝影像进行新冠肺炎肺炎疗效的定量分析和评价，已成为提高诊断效率和诊断质量的关键力量。
政策资本双重进入。
如果图像数据的相对可达性和处理性是人工智能在医学图像中首次爆炸和着陆的主要原因，国家政策的支持和资本的大量准入给人工智能在医学图像应用中不断更新的力量。
从新政策来看，2013年至2017年，政府各部门出台了一系列政策，不断加大对国内医疗图像设备、第三方独立医疗图像诊断中心、远程医疗等行业的支持力度。
2016年底，国务院发布了十三五规划国家战略新兴产业发展规划，多次提到医学影像，指出开发优质医学影像设备、支持企业、医疗机构、研究机构等联合建设第三方影像中心。国家发展改革委员会于2017年1月将医学影像设备和服务纳入其中。
