目前，人工智能赋能医疗领域主要有：虚拟助手、医学影像、辅助诊疗、疾病风险预测、药物挖掘、健康管理、医院管理、辅助医学研究报告等模块。
其中，医学影像无疑是目前最热门、最具突破性的应用场景。
人工智能给医学影像带来了新一轮变革。
通过模仿人脑的神经元网络构建数字模型，并以海量数据作为训练材料，人工智能终于解决了算法复杂、计算要求高的瓶颈，终于接触到了医学影像。
图像逐渐融合，深度学习在医学图像分析领域开始沉淀。
人工智能在图像识别等方面有很多应用，并且大多数都在由技术型公司进行研究。
东软医疗推出医疗行业影像云及人工智能应用解决方案，飞利浦推出远程医疗影像解决方案“神飞云”中国智慧医疗云平台，同时新华医疗、GE、西门子、联影、迈瑞医疗、鱼跃大医疗领域的知名企业，三星等行业也推出了多款智能医疗产品。
2020年7月8日，腾讯AI医疗解决方案“腾讯觅影”发布结直肠肿瘤筛查AI系统，利用人工智能技术辅助临床医生实时检测结直肠息肉，实时识别息肉性质。
“腾讯觅影”结直肠肿瘤筛查AI系统利用图像识别、深度学习等人工智能技术，结合消化内镜，协助临床医生每秒实时发现结直肠息肉并实时识别息肉性质。
分析10张图像的速度为临床医生提供非腺瘤性息肉、腺瘤性息肉、腺癌等状态的实时提醒，协助临床医生更准确、高效地诊断结直肠肿瘤。
事实上，这是“腾讯觅影”发布的第二个解决方案。
今年8月，“腾讯觅影”发布了食管癌早期筛查AI系统。
此外，在智能语音领域独树一帜的科大讯飞在影像辅助诊疗领域也有布局。
科大讯飞目前在肺部CT、乳腺X线摄影等领域都有实际应用的产品。
此外，其人工智能辅助诊疗中心连接安徽省40余家医院，可实时反馈医生提交的影像诊断需求，并在1秒内给出结果。
虽然人工智能更新迭代很快，行业也推出了多款产品，但医学图像分析是一个巨大的工程问题，很多工作必须一步步完成，特别是像医疗这样的行业，数据形式和特征都比较复杂。
复杂的。
人工智能辅助诊断面临的问题也是层出不穷、密切相关。
因此，适合临床场景、可大规模应用的产品还有待开发。
造成这种情况的主要原因有几个。
首先，训练数据集质量参差不齐，要么来自标注质量较差的公共数据集，要么来自个体医院影像数据，缺乏多样性和通用性。
其次，缺乏科学、系统的临床验证技术、方法和标准；三是相关知识产权归属不明确；最后，还存在缺乏相应的安全、隐私和道德规范等诸多问题。
面对难题，只有上下游齐心协力，加强医工合作，才能创新突破。
刘士元，海军军医大学长征医院影像医学与核医学科主任、教授、博士生导师、上海市领军人才，从事医学影像诊断工作30余年。
擅长胸部疾病尤其是肺癌的影像诊断，获国家自然科学基金重点项目。
、科技部重大国际合作项目等，发表论文10余篇，获省部级二等以上奖6项，主编专着、教材十余部，具有深厚的理论和实践经验在医学影像领域。
同时，刘士元教授始终关注和思考人工智能与医学影像的深度融合。
8月30日至8月31日，刘士元教授将在OFweek（第二届）人工智能产业大会——AI+医疗论坛《医学影像人工智能面临的挑战与对策》上发表主题演讲，深入探讨人工智能在医学影像领域面临的重大挑战。
及对策，以及他对人工智能在医学影像应用的最新研究和思考。
人工智能可以从海量医学影像数据中学习和模仿医生的诊断“经验”，短时间内快速提升诊断能力，协助医生减少误诊。
人工智能一旦在影像分析领域成熟应用，可以快速解决影像科工作量大、诊断效率低的痛点。