医疗人工智能企业主要分为医疗大数据和医疗人工智能两块，其中医疗大数据又将企业类型分为采集、技术、数据库；而医疗人工智能则分为医学影像、医疗辅助、健康管理、疾病风险预测、药物研发这五类。PCB厂据不完全统计，截至2019年7月，在中国市场活跃的医疗人工智能企业共126家，与2017年的统计数据（131家）基本持平。

  其中，开展医学影像业务的企业数量最多，共57家；开展疾病风险预测业务的企业数量为41家；医疗辅助、医学影像、药物研发企业较2017年统计数据有增加，多个企业拓展了辅助医学研究业务，因此医学研究领域企业数量有所增加；健康管理、疾病风险预测企业较2017年统计数据有减少。

  2012年至2019年5月获投的医疗人工智能企业中，智能影像领域占比最高，医学数据挖掘领域及健康管理领域分列第二、第三位；语音电子病历投资事件数最少，仅2017年出现一例；医疗人工智能领域获投企业数最多的年份是2018年。

  虚拟助理：在医疗领域中的虚拟助理，属于专用（医用）型虚拟助理。基于特定领域的知识系统，通过智能语音技术（语音识别、语音合成、声纹识别等）和自然语言相关技术（NLP、NLU等），实现人机交互，解决使用者某一特定需求。

  辅助诊疗：为医生疾病诊断提供辅助的产品。电路板厂了解到，辅助诊疗产品可以分为三类：医学影像辅助诊断；医学大数据临床辅助决策支持系统；辅助诊疗机器人。医学影像：人工智能利用深度学习模型对图像特征的提取能力，完成影像分类、自动检测、图形分割、图像重建等任务。常见的应用环节是辅助诊断（影像辅助诊断、病理诊断）、影像辅助手术、智能放疗。

  健康管理：运用计算机视觉、自然语言处理、知识图谱等人工智能技术，结合健康医疗专业能力，搭建健康医疗智慧大脑，并通过AI开放平台，为全行业提供健康管理赋能。

  疾病风险与预测：人工智能在疾病风险预测方面的应用主要是：提升效率。迅速处理大量的基因数据，穷尽已有数据库，且能够避免遗漏；通过深度学习，比人类更好的理解基因突变，解读用户基因数据，提供个性化精准疾病干预方案。

  药物研发：化合物合成：利用机器学习（或深度学习）技术学习海量已知的化学反应，之后预测在任何单一步骤中可以使用的化学反应，解构所需分子，得到可用试剂。临床试验设计：利用自然语言处理（NLP）技术检索过去临床试验中的成功和失败经验，使临床试验方案避免重复常见的遗漏、安全等问题。

  HDI小编觉得，假以时日，随着人工智能技术的成熟与深入发展，AI医疗中的应用场景将会逐渐丰富，例如临床医疗场景。