“人工智能+醫療”快速發展。醫學是一門靠歸納邏輯、經驗學習、循證運用的學科，人工智能在這個行業可以發揮重要作用。同時，我國醫療資源短缺，供給嚴重不足，人工智能在醫療行業的應用可以提升醫生工作效率，變相提升醫療資源的供給。在政策推動和算法紅利的促進下，“人工智能+醫療”快速發展，根據中國數字醫療網統計，2016年中國AI+醫療市場規模達到96.61億元，增長率為37.9％，中國AI+醫療市場規模在持續增長，2017年將超130億元，增長40.7％，有望在2018年市場規模達到200億元。
人工智能在醫療行業的各環節均有應用。1>診前：可用于個體或群體性疾病的預測，并給出健康建議。2>診中：人工智能可以輔助診斷、輔助治療，降低誤診率。3>診后：能通過計算機視覺、圖像識別和視頻分析等渠道保證患者服藥的真實性，輔助醫生實現患者藥物依從性的監督。4>其他環節：保險機構費用智能控制；人工智能參與到藥物研發過程中，可以縮短時間、提高效率。
產業仍處于發展初期，數據整合與共享是驅動行業發展的核心因素。AI+醫療發展的核心在于“算法+有效數據”。目前產業發展處于第一階段。在此階段，弱人工智能算法相對成熟，數據的整合和共享構成行業發展的核心因素。目前，國內大多數醫療數據存儲在醫院，一方面，醫院內部的臨床數據中心建立尚不完善，醫院內部數據互聯互通程度和共享程度尚低；另一方面，醫療數據涉及病人隱私，共享機制和規范缺乏，導致很多AI+醫療應用由于缺乏數據而止步不前。我們認為，隨著醫療數據互聯互通程度的提升和共享機制的建立，AI+醫療行業發展將加速。
智能圖像診斷算法相對成熟。自2012年深度學習技術被引入圖像識別數據集之后，其識別率近年來屢創新高，2015年百度在ImageNet的比賽識別錯誤率僅為4.58%，高于人類水平。在各類醫學圖像識別比賽或活動當中，學校和商業研究團隊分別在不同病種上取得了不錯成果。
數據結構化程度高處理難度小。醫療大數據有80%來自于醫療影像數據。影像數據具備結構化程度高，數據處理難度小的優勢，非常適合進行機器學習。
