醫(yī)療人工智能企業(yè)主要分為醫(yī)療大數(shù)據(jù)和醫(yī)療人工智能兩塊，其中醫(yī)療大數(shù)據(jù)又將企業(yè)類型分為采集、技術(shù)、數(shù)據(jù)庫；而醫(yī)療人工智能則分為醫(yī)學(xué)影像、醫(yī)療輔助、健康管理、疾病風(fēng)險預(yù)測、藥物研發(fā)這五類。據(jù)億歐智庫不完全統(tǒng)計，截至2019年7月，在中國市場活躍的醫(yī)療人工智能企業(yè)共126家，與2017年的統(tǒng)計數(shù)據(jù)（131家）基本持平。

其中，開展醫(yī)學(xué)影像業(yè)務(wù)的企業(yè)數(shù)量最多，共57家；開展疾病風(fēng)險預(yù)測業(yè)務(wù)的企業(yè)數(shù)量為41家；醫(yī)療輔助、醫(yī)學(xué)影像、藥物研發(fā)企業(yè)較2017年統(tǒng)計數(shù)據(jù)有增加，多個企業(yè)拓展了輔助醫(yī)學(xué)研究業(yè)務(wù)，因此醫(yī)學(xué)研究領(lǐng)域企業(yè)數(shù)量有所增加；健康管理、疾病風(fēng)險預(yù)測企業(yè)較2017年統(tǒng)計數(shù)據(jù)有減少。

2012年至2019年5月獲投的醫(yī)療人工智能企業(yè)中，智能影像領(lǐng)域占比最高，醫(yī)學(xué)數(shù)據(jù)挖掘領(lǐng)域及健康管理領(lǐng)域分列第二、第三位；語音電子病歷投資事件數(shù)最少，僅2017年出現(xiàn)一例；醫(yī)療人工智能領(lǐng)域獲投企業(yè)數(shù)最多的年份是2018年。

虛擬助理：在醫(yī)療領(lǐng)域中的虛擬助理，屬于專用（醫(yī)用）型虛擬助理?；谔囟I(lǐng)域的知識系統(tǒng)，通過智能語音技術(shù)（語音識別、語音合成、聲紋識別等）和自然語言相關(guān)技術(shù)（NLP、NLU等），實現(xiàn)人機交互，解決使用者某一特定需求。

輔助診療：為醫(yī)生疾病診斷提供輔助的產(chǎn)品。輔助診療產(chǎn)品可以分為三類：醫(yī)學(xué)影像輔助診斷；醫(yī)學(xué)大數(shù)據(jù)臨床輔助決策支持系統(tǒng)；輔助診療機器人。醫(yī)學(xué)影像：人工智能利用深度學(xué)習(xí)模型對圖像特征的提取能力，完成影像分類、自動檢測、圖形分割、圖像重建等任務(wù)。常見的應(yīng)用環(huán)節(jié)是輔助診斷（影像輔助診斷、病理診斷）、影像輔助手術(shù)、智能放療。

健康管理：運用計算機視覺、自然語言處理、知識圖譜等人工智能技術(shù)，結(jié)合健康醫(yī)療專業(yè)能力，搭建健康醫(yī)療智慧大腦，并通過AI開放平臺，為全行業(yè)提供健康管理賦能。

疾病風(fēng)險與預(yù)測：人工智能在疾病風(fēng)險預(yù)測方面的應(yīng)用主要是：提升效率。迅速處理大量的基因數(shù)據(jù)，窮盡已有數(shù)據(jù)庫，且能夠避免遺漏；通過深度學(xué)習(xí)，比人類更好的理解基因突變，解讀用戶基因數(shù)據(jù)，提供個性化精準(zhǔn)疾病干預(yù)方案。

藥物研發(fā)：化合物合成：利用機器學(xué)習(xí)（或深度學(xué)習(xí)）技術(shù)學(xué)習(xí)海量已知的化學(xué)反應(yīng)，之后預(yù)測在任何單一步驟中可以使用的化學(xué)反應(yīng)，解構(gòu)所需分子，得到可用試劑。臨床試驗設(shè)計：利用自然語言處理（NLP）技術(shù)檢索過去臨床試驗中的成功和失敗經(jīng)驗，使臨床試驗方案避免重復(fù)常見的遺漏、安全等問題。

假以時日，隨著人工智能技術(shù)的成熟與深入發(fā)展，AI醫(yī)療中的應(yīng)用場景將會逐漸豐富，例如臨床醫(yī)療場景。