近年来，数字医疗领域在原有基础上发展出了新的发展方向，那就是通过人工智能解读医学图像。
目前，数字医疗行业正在加大对该领域发展的投入。
医学图像包含非常丰富的数据和信息，即使是经验丰富的医生在解读它们时也可能会错过一些信息。
因此，在医院放射科工作的医生需要经过长期的专业培训，积累足够的经验才能上岗。
相比之下，人工智能不仅可以缩短检测时间，还可以提高判读的准确性，帮助甚至取代医生进行分析。
人工智能对医学图像的解读可以分为两个阶段：第一阶段是图像识别，第二阶段是深度学习。
如今，随着“深度学习”技术的进一步发展，图像识别的速度和质量都得到显着提升。
例如，在图像判读和判断过程中，恶性肿瘤所占据的面积与整个X射线照片相比通常很小。
对于医生来说，想要评估图像中的一个小阴影是否是恶性肿瘤并不容易。
人工智能可以在预处理的基础上对图片进行分割，然后提取不同部位的参数，并与数据库中存储的信息资源进行分析，综合比较后提供评估结果。
在诊断过程中，人工智能也会独立进行深度学习，并以病历数据库中的病例为参考，做出智能判断。
人工智能的应用可以有效提高医学图像判读的效率，帮助医生节省更多的时间和精力。
近年来，人工智能医学影像领域涌现出不少企业并取得快速发展。
例如，Enlitic（深度学习公司）成立于2016年，短短一年的时间，其知名度得到了很大的提升。
2016年入围“全球50家最聪明公司”，并于同年10月完成1000万美元投资。
融资。
蝴蝶也是这一领域的知名代表。
该公司计划推出智能超声应用，利用人工智能技术对图像进行分析和解读，最终达到智能诊断的效果。
与此同时，这一领域也吸引了众多投资者的关注。
全球有影响力的人工智能投资机构纷纷投资智能医学影像公司，重点关注该领域的发展。
对比美国和我国医学影像的发展，我们可以以该领域的误诊病例规模作为分析的切入点。
美国每年误诊病例可达1万例。
我国人口众多，误诊病例高达1万例/年。
其中，基层医疗机构是误诊的重灾区。
如今，我国的医学影像正在逐步从传统胶片向电子胶片转换，美国也早已进入电子胶片时代。
随着电子胶片的普及应用，医疗机构从医学影像中获取的数据规模迅速扩大。
美国的数据增长率达到了每年63.1%，我国大约是美国的一半。
相比之下，美国和中国的放射科医生就业增长率均不足5%，远低于该领域的数据增长，导致专业人才短缺。
为此，每个医生都要承担更多的任务，这必然会影响他的诊断效果。
人工智能的应用可以在很大程度上解决人才短缺的问题。
虽然我国的人才短缺问题没有美国那么严重，但我国庞大的人口基数也对人工智能解读图像提出了很高的需求。
人工智能除了服务患者、医生和医疗机构外，还将直接影响医学影像初创企业的发展。
也就是说，一家初创公司的竞争力与该公司是否拥有人工智能技术密切相关。
对该领域企业的调查发现，利用人工智能技术的企业可以有效控制劳动力成本消耗。
如果一家初创公司拥有人工智能技术，在公司筹集首轮融资前，技术人员数量可以维持在20人以下，非技术人员与技术人员的比例约为1:2.6。
缺乏人工智能技术的企业需要引入更多的人力资源来承担公司的业务运营。
此时非技术人员与技术人员的比例约为1:1.1，团队人数需要保持在40人左右。
我国特殊的国情决定了国内医学影像初创企业重点关注云平台建设。
但从宏观发展来看，企业必须通过人工智能技术的应用来提高竞争力。