随着图像识别、深度学习、神经网络等关键技术的突破，带动了人工智能新一轮发展，对医疗领域的改造是颠覆性的。而2017年被称为人工智能发展的转折点，标志之一就是人工智能医疗技术的加速产品化。

　　中国人工智能医疗市场规模持续增长，有望在2018年市场规模达人民币200亿元。

　　根据预测，2016年中国人工智能+医疗市场规模达到人民币96.61亿元(以下单位同)，增长率为37.9%，中国人工智能+医疗市场规模持续增长，2017年将超130亿元，增长40.7%，有望在2018年市场规模达到200亿元。

　　通过调查的数据显示，在医疗行业中已成熟应用以及正在尝试、计划应用人工智能技术的占比已达78.5%。同时，有76.39%的人认为人工智能技术将会在医疗行业广泛应用。

　　人工智能医疗应用场景主要分成了语音识别、医学影像、药物挖掘、营养学、生物技术、急救室管理、医院管理、健康管理、精神健康、可穿戴设备、风险管理和病理学共12个领域。

　　通过语音识别和疾病数据分析，可实现机器诊断疾病。医疗是一个更垂直，专业度更高的领域，有很多专业术语和专业技能需要我们去学习。而这就需要大量的医疗专业词汇库的积累。人工智能诊断疾病可更准确、更快捷、更安全，以及更便宜的实现病患处理。

　　医学影像与人工智能的结合，是数字医疗领域较新的分支，而且是数字医疗产业的热点。医学影像包含了海量的数据，即使有经验的医生有时也显得无所适从。医学影像的解读需要长时间专业经验的积累，放射科医生的培养周期相对较长，而人工智能在对图像的检测效率和精度两个方面，都可以做得比专业医生更快，还可以减少人为操作的误判率。

　　药物的发现和筛选经历了三个阶段：第一阶段是1930~1960年之间的随机筛选药物阶段。随机筛选药物的典型代表就是利用细菌培养法从自然资源中筛选抗菌素。

　　第二阶段是1970~2000年可以使用高吞吐量的靶向筛选大型化学库。组合化学的出现改变了人类获取新化合物的方式，人们可以通过较少的步骤在短时间内同时合成大量化合物，在这样的背景下高通量筛选的技术应运而生。高通量筛选技术经过发展，已经成为比较成熟的技术，不仅仅应用于对组合化学库的化合物筛选，还更多地应用于对现有化合物库的筛选。

　　第三阶段是现在，虚拟药物筛选阶段，将药物筛选的过程在计算机上模拟，对化合物可能的活性作出预测，进而对比较有可能成为药物的化合物进行有针对性的实体体筛选，从而可以极大地减少药物开发成本。

　　在医药领域，最早利用计算机技术和人工智能并且进展较大的就是在药物挖掘上，如研发新药、老药新用、药物筛选、预测药物副作用、药物跟踪研究等，均起到了积极作用。这实际上已经产生了一门新学科，即药物临床研究的计算机仿真(CTS)。

　　现时人们生活水平大幅度上升，对食品的营养有更高的要求，合理的膳食搭配以及更安全的有机食品需求成为新的食品产业增长点，急需新技术推动行业变革。

　　研究者开发了一套机器学习算法，分析学习血样、肠道菌群特征与餐后血糖水平之间的关联，并尝试用标准化食品进行血糖预测。葡萄糖是人类细胞最主要的能量来源，血糖异常会导致多项重要疾病。可以说，机器学习算法可以给出了更精准的营养学建议。

　　其中，作为健康数据的采集基础，可穿戴设备可以说是作为人工智能的先锋来到大众视野。随着人工智能技术的快速发展，以及对医疗数据的采集及应用情况的完善，伴随着物联网大环境的促进下，可穿戴设备也将再次发力，为人们的健康保驾护航。

　　语音识别则可有效缓解医院三大明显的痛点：效率、安全、数据。语音识别能够很好的与现有电子病历系统相结合，在记录每个病人病情时，通过语音录入的方式极大的提高了效率。将医生从机械的文字写入工作中解放出来，提升就诊效率和患者体验度。

　　智能医学影像是将人工智能技术应用在医学影像的诊断上。人工智能在医学影像应用主要分为两部分： 一是图像识别，应用于感知环节，其主要目的是将影像进行分析，获取一些有意义的信息;二是深度学习，应用于学习和分析环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握诊断能力。

　　从变革层面讲，人工智能是从生产力层面对传统医疗行业进行变革;从形式上讲，人工智能应用在医疗领域是一种技术创新;从改造的领域来讲，人工智能改造的是医疗领域的供给端;从驱动力来讲，人工智能主要是技术驱动，尤其是底层技术的驱动。

　　从创新的性质而言，人工智能属于重大创新;从对市场影响而言，人工智能带来增量市场，且随着智慧程度不断提升，理论上潜在的市场空间无限。