首先我们要明确 —— 技术本身并不是第一优先级，解决临床问题才是。
AI 应用于医学诊断，主要还是通过利用医学影像进行辅助诊断， 实现诸如病灶检测、目标脏器分割、风险程度评估、病灶类型分类、器官、组织标记定位与分割等功能技术，以满足病灶识别与标记、疾病类型分类、影像三维重建乃至放疗靶区自动勾画等临床辅助需求，为医生阅片提供参考。
就医疗影像 AI 产品来说，从算法上把模型的性能做到一个比较高的水平，只完成了第一步。
把这样的算法做成一个让医生觉得好用的产品，则要花多得多的时间、精力和成本。
之前的 AI 医学诊断更多还是实验室性质，不过在新冠爆发后，肺部 CT 的临床诊疗应用直接凸现了医学影像检查的重要性，所以 利用 AI 进行医学影像辅助诊断也成为 AI 在医疗行业最重要的应用场景之一。
目前国内 AI 公司和医院联合做的智慧医疗方案也都以「AI 医学影像辅助诊断」进行展开，类似胸部 X 线分析系统、消化道病例精准分析、病灶智能定位等等……
从另一方面 - 专利，也可以看出 AI 在医学诊断方面的发展方向。
下图是自 2020 年以来公开的智慧医疗 - AI 医疗影像辅助诊断发明专利 TOP50 排行榜，国内企业联影医疗、商汤科技、腾讯进入榜单前十。
总的来说，在纯技术方面（比如算法的性能、准确度等）AI 表现的还是可圈可点的，但是在贴近临床应用场景中，如何把医生的 经验和知识 变成「可复制的数字化程序」还是颇有挑战的。
当然，在成为医生的左膀右臂之前，AI 至少永远不会累，一些标准场景中还是能够大幅提升医生的诊断效率。
相关回答：
