人工智能发展至今，技术不断突破，寻找应用场景成为AI企业的当务之急。
近年来，随着国家对医学影像产业发展的支持，“AI+医学影像”已经成为一个前景非常广阔的全新领域。
什么是医学影像？医学成像是指以非侵入方式获取人体或人体某一部位的内部组织图像，用于医疗或医学研究目的的技术和处理过程。
包括以下两个研究方向：医学成像系统和医学图像处理。
医学成像系统是图像形成的过程，包括成像机制、成像设备、成像系统分析等问题的研究；医学图像处理是指对已经获得的图像进行进一步的处理。
医学影像的优势与痛点医学影像的发展让医生在审阅图像、控制图像质量方面拥有了更大的主动权。
它改变了医生工作的主要模式。
一是可以满足科室需求，简化科室管理，减轻医生劳动强度，保留患者原始医疗数据；第二，对医生的科研和教学有很大帮助；第三，可以解决未来可能出现的法律纠纷。
医学影像行业主要分为两部分。
首先是影像设备，包括零部件厂商、整机厂商、软件厂商。
二是影像诊疗，包括医生、影像中心、影像耗材、远程诊断服务等。
目前，我国医学影像行业面临两大痛点。
首先是医学影像医生大量短缺，误诊率高、效率低，服务模式亟待创新。
二是医学影像分析工作繁琐、重复，消耗能源极大。
“AI+医学影像”解决行业痛点。
信息技术的发展促进了医学影像、教学和科研的发展。
其与生物技术、基因工程、医学工程的结合将加速新技术的更新。
人工智能技术的发展为解决当前我国医学影像面临的问题提供了新的思路。
“AI+医学影像”被认为是该领域的“救命稻草”。
为什么医学影像的发展离不开AI技术？由于大部分医疗数据来自于医学影像，医学影像数据还在逐年增长，但影像医生的增长速度和工作效率不足以应对这样的增长趋势，这会给医生带来巨大的压力。
目前，大多数医学影像数据仍然需要人工分析。
最明显的缺陷是不准确，凭经验判断很容易导致误诊。
除了医学影像对AI的潜在需求外，国家政策也大力支持医学影像产业和“AI+医疗”的发展。
医学影像在医疗AI领域技术成熟度最高，有望率先实现商业化。
人工智能在医学影像应用中存在的问题 在“AI+医学影像”能够商业化之前，需要先解决这些问题，然后才能大规模应用。
算法、算力、数据被认为是人工智能的三大核心要素。
数据量的增长、计算能力的提升以及深度学习算法的优化将导致人工智能效率的持续提升。
目前，医学影像领域的算法正在快速突破，计算能力持续增长。
如何获得足够丰富、高质量的医学影像数据已成为提高诊断准确性的最关键因素。
2020年8月31日，詹松华教授将在OFweek（第二届）人工智能产业大会-AI+医疗论坛《人工智能在医学影像应用的困难与挑战》发表主题演讲，深入探讨人工智能在医疗领域的重大挑战及对策影像，以及他自己对人工智能在医学影像应用的最新研究和思考。
詹松华教授演讲内容：人工智能正在逐步超越放射科医生的视野极限，更快、更准确地提供诊断报告。
然而，人工智能的实际临床应用却很少。
詹松华教授认为，并不是影像医生主观排斥，而是目前人工智能水平确实不高，在实际应用中存在很多缺陷，推广困难。
AI工程师需要倾听临床的声音，解决误报和漏报的问题，开发更实用的软件，让软件变得更加人性化并加大投入，而不是超出实际宣传，与放射科医生一起改进影像学检查图像的质量和诊断。