机器比人可靠，机器比人类更精准，机器不会疲劳，随着算法的不断进步和数据的不断积累，人工智能的水平会越来越高，会从现在的帮助人类做判断演变到代替人类做判断。
将来会有一个Breaking Point引爆点，过了这个引爆点以后，会出现医生常规工作量的断崖式下跌，在很大程序上代替医生的基本工作，成为医生的良好助手。
基于影像的医学诊断是目前人工智能关注较多的领域，“AI+医学影像”被多位业内人士认为最有可能率先实现商业化。
医疗数据中有90%来自于医学影像，并且我国医学影像的数据正以30%的年增长率逐年增长，相比之下，影像科医生的增长速度和工作效率是不足以应对这样的增长趋势，这将给医生带来巨大的压力。
另一方面，目前医学影像数据大部分仍然需要人工分析，最明显的缺陷就是不精准，依靠经验所做的判断容易造成误诊。
人工智能依靠强大的图像识别和深度学习技术，在对图像的检测效率和精度两个方面，都可以做得比专业医生更快，还可以减少人为操作的误判率。目前基于深度学习的医学影像识别准确率能达到90%及以上，辅助诊断效果显著。
第一类公司主要是图像识别，应用于感知环节，其主要目的是将影像这类非机构化数据进行分析，获取一些有意义的信息；第二类是深度学习，应用于学习和分析环节，是AI应用的最核心环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握“诊断”的能力。从提供的产品与服务上看，医疗影像智能诊断公司又可分为两类。第一类专注于医疗影像服务，比如影像云平台及影像智能分析。
2016年6月以来，该系统通过学习68万张肺部CT影像资料，已在省立医院CT室辅助医生诊断了约11000人次的CT影像资料，诊断准确率达94%。
利用腾讯觅影的图像识别、深度学习等领先的人工智能技术，辅助医生对食管癌进行早期筛查，发现准确率高达90%，帮助患者更早发现病灶。腾讯觅影利用腾讯优图在大数据运算、图像识别与深度学习方面的先进技术，提高对于肺结节的检测敏感性与准确度：根据测算，其对早期肺癌的敏感度（识别正确率）达到85%以上，对良性肺结节的特异性（识别正确率）超过84%，对于直径大于3mm小于10mm的微小结节检出率超过95%，可帮助放射医生大幅提升肺部CT的早癌筛查能力。
2017年1月10日，据FDA官网显示，其首次批准了一款心脏核磁共振影像AI分析的软件Cardio DL，这款软件将深入学习用于医学图像分析，并为传统的心脏MRI扫描影像数据提供自动心室分割的分析，这一步骤与传统上放射科医生需要手动完成的结果一样精准。
据悉，这款人工智能心脏MRI医学影像分析系统不但得到了FDA510（k）的批准，还得到了欧洲的CE认证和批准，这标志着该软件将被允许用于临床。
2016年8月《自然通讯》发表了一份斯坦福大学医学院研究人员的研究：计算机可被培训得在评估肺癌组织切片时比病理学家更加精确。
研究人员使用了从腺癌、鳞状细胞癌患者获得肺癌基因图谱2186张图像。数据库还包含了每例肿瘤的级别、期别和每例患者在诊断后的存活时间信息。
然后研究人员使用这些图像来训练计算机软件程序，以确定更多肉眼所不能观察到的癌症特异性特征—近10000种个性特质vs几百种病理学家通常使用的评估特征。这些特征不仅包括了肿瘤细胞的大小及形状，也包括了细胞核的形状与质地以及与相邻肿瘤细胞的空间关系。
香港中文大学计算器科学与工程学系针对检测医学影像，开发人工智能影像识别系统，只需三十秒至十分钟，便可分析病变影像，准确率超过九成，减少人为错误。香港中大计算器科学与工程学系教授王平安称，团队将联同北京三所医院合作开发，优化识别肺结节病变的技术。他又称，智能影像识别技术理论上可广泛应用于不同癌症，但个别罕有病，病人数据不多，影响系统准确性。
浙江大学数理学院和浙江德尚韵兴图像科技有限公司成功开发的智能医疗影像诊断系统-DE 超声机器人的准确率则能稳定在 85% 以上，在实验室则达到 90% 以上，而国内比较的三甲医院 10 年资质的放射科医生判断准确性平均在 75% 左右。在包括浙江大学第一附属医院的医疗机构已经实际应用，服务了几千名患甲状腺结节的病人。
于2015年4月在北京市成立，是一家智能医学影像平台公司。近年来打造了智能化的医学影像平台和肿瘤放疗平台，构建了影像智能筛查系统、防漏诊系统，在肿瘤、心血管等单病种领域开发人工智能辅助诊疗系统。
汇医慧影公司收集了数百万级别的医学影像，通过建立器官模型以及深度神经网络技术，实现了病灶的高识别度。根据公司介绍，目前对于X光的气胸、肺结核、肿块的自动诊断准确率已经达到90%。脑核磁肿瘤的自动识别率超过85%。CT中肺结节的识别率超过85%。乳腺钼靶中钙化斑点以及肿块的识别率均超过90%。
目前累计服务患者超过10万例。其区域云PACS系统目前已经接入400多家医院，覆盖范围包括河南、山西、内蒙、辽宁等地，并且与医疗器械厂商合作，将系统融入其影像设备中。
国内还有健培科技、医渡云、智影医疗、睿佳医影RayPlus、迪英加等公司也致力于将人工智能与医学影像结合来服务于医疗。
杭州健培科技有限公司的影像智能诊断机器人Healthview1.0是利用机器深度学习技术及大量放射科病例训练出的人工智能诊断助手，在2016年中美医药·医疗项目大赛上斩获了第二名，它在疾病的定量和定位中具备着先天性的优势，能帮助医生更加客观准确地诊断肺结节等临床上很难诊断的疾病。
锐达影像是一家面向医疗机构和专业使用者并提供影像以及视频会诊产品等服务的互联网医疗影像平台公司。2016年7月，锐达影像宣布获1000万pre-A轮投资，此次融资后，锐达影像创始人荣辉表示锐达影像将在医疗影像平台的人工智能化方面深耕和突破。
它是一家将人工智能用于医疗影像的识别和筛查的科技公司，专注于研发医疗影像检测、识别、筛查和分析技术，致力于通过融合机器视觉、深度学习和大数据挖掘技术，将医疗影像识别技术提供给便携式医疗器械厂商和广大基层诊疗中心。或许正是其在人工智能应用于医学影像领域的专注，使得其成立仅5个月就获得投资人的青睐，成功融到了600万的天使投资。
相比于国内大部分都是近两三年才成立的初创公司，国外涉及人工智能结合医学影像的公司相对起步较早，尤其是IBM Waston、AlphaGo的缔造者DeepMind，还有Butterfly Network等。
要说到人工智能，就不得不说已经在这个领域深耕多年的IBM Waston。先后于2015年10月和2016年2月收购医疗影像分析公司Merge Healthcare和医疗数据公司 Truven Health Analytics，使得IBM获得了丰富的资源，加上其原本就有的数量惊人的专利，使得IBM Waston在人工智能+医学影像这一块业务上获得了巨大的优势。
Enlitic是国际知名的医学影像公司，虽然成立不到3年，但已经被麻省理工科技评论评为了“全球50家最聪明的公司”。公司开发的恶性肿瘤检测系统在一项临床试验中的准确度比专业的放射科医师高出了50%多，并且所用的时间只有医生的1/50000。
Arterys 是一家提供 SaaS 服务的创业公司，主营业务是为医疗机构提供更精准的3D心血管影像，并提供量化分析。专注于心血管影像的这家公司不但与2016年获得了1200万美元的A轮融资，还获得了GE医疗的青睐。两家公司的合作催生了颠覆现有心脏MRI的4D Flow，它不仅能够从任意角度呈现心脏的3D结构，还加入了时间这第四个维度，使得血液流动随着时间变化的情况也可以完全呈现。这款软件于2016年11月正式获得了FDA的审批，将用于心血管疾病患者核磁图像的数据分析。
技术及产品：基于PET/SPECT/fMRI/US等医疗影像定量分析，用数学模型和人工智能技术，提高诊断精确性。
技术及产品：拥有医疗影像云平台，医疗影像输出、智慧医疗和智能诊断为主，其他大数据支撑设备及平台建设为辅的医疗系统；提供病例检索和医疗影像智能诊断服务，帮助医生进行定位病症、分析病情和指导手术；另外还开发有激光热敏医用胶片。
技术及产品：开发有影像平台，同时探索不同领域的智能化，目前已有的乳腺辅助检测、虚拟结肠镜等，都是初步的专业领域技术。
技术及产品：拥有医疗大数据平台，对医疗数据进行集成、挖掘、利用，辅助开展新型临床、科研、医院管理等服务，涉及的临床数据包括影像数据和病例等文本数据。
技术及产品：拥有基于数字影像医学的健康分析管理平台，提供早期癌症筛查、疾病辅助诊断，及健康指数分析。
技术及产品：提供医疗影像云平台和阅片外包服务，并通过建立器官模型和神经网络技术，识别病灶，涉及X光，脑核磁肿瘤，CT。
技术及产品：拥有医疗影像数据云平台，同时建立影像诊断数据结构化知识库。目前可对大量历史影像诊断报告进行智能的结构化、标准化处理，可辅助医生诊断。
技术及产品：结合图像处理和云计算，为医生提供基于影像的计算机辅助诊疗工具RayPlus，特点是满足专科医生的特异性辅助诊断需求。
技术及产品：将深度学习用于医疗影像，削减读片时间，降低误诊的概率，目前主攻的方向是胸肺部CT的智能影像诊断。
技术及产品：用深度学习技术分析和识别医疗影像上的病变，推荐治疗方案，协助医生诊断，目前主要用于胸肺疾病的诊断。
技术及产品：主要提供肿瘤数据平台搭建和医疗数据分析，其中涉及医疗影像处理、分割、配准等，并引导放疗优化。
技术及产品：将深度学习引入到计算机辅助诊断系统中，可应用于各类医学图像分析诊断、显微镜下的病理图像分析、以及发现DNA结合的蛋白质的序列特异性并协助基因组诊断等。
技术及产品：提供基于人工智能，用于精准医疗的医疗影像大数据分析解决方案，例如基于病理图片分析的癌症诊断和分级等。
