首先我們要明確 —— 技術本身並不是第一優先級，解決臨床問題才是。
AI 套用於醫學診斷，主要還是透過利用醫學影像進行輔助診斷， 實作諸如病竈檢測、目標臟器分割、風險程度評估、病竈類別分類、器官、組織標記定位與分割等功能技術，以滿足病竈辨識與標記、疾病類別分類、影像三維重建乃至放療靶區自動勾畫等臨床輔助需求，為醫生閱片提供參考。
就醫療影像 AI 產品來說，從演算法上把模型的效能做到一個比較高的水平，只完成了第一步。
把這樣的演算法做成一個讓醫生覺得好用的產品，則要花多得多的時間、精力和成本。
之前的 AI 醫學診斷更多還是實驗室性質，不過在新冠爆發後，肺部 CT 的臨床診療套用直接凸現了醫學影像檢查的重要性，所以 利用 AI 進行醫學影像輔助診斷也成為 AI 在醫療行業最重要的套用場景之一。
目前國內 AI 公司和醫院聯合做的智慧醫療方案也都以「AI 醫學影像輔助診斷」進行展開，類似胸部 X 線分析系統、消化道病例精準分析、病竈智能定位等等……
從另一方面 - 專利，也可以看出 AI 在醫學診斷方面的發展方向。
下圖是自 2020 年以來公開的智慧醫療 - AI 醫療影像輔助診斷發明專利 TOP50 排行榜，國內企業聯影醫療、商湯科技、騰訊進入榜單前十。
總的來說，在純技術方面（比如演算法的效能、準確度等）AI 表現的還是可圈可點的，但是在貼近臨床套用場景中，如何把醫生的 經驗和知識 變成「可復制的數碼化程式」還是頗有挑戰的。
當然，在成為醫生的左膀右臂之前，AI 至少永遠不會累，一些標準場景中還是能夠大幅提升醫生的診斷效率。
相關回答：
