醫療人工智能企業主要分為醫療大數據和醫療人工智能兩塊，其中醫療大數據又將企業類型分為采集、技術、數據庫；而醫療人工智能則分為醫學影像、醫療輔助、健康管理、疾病風險預測、藥物研發這五類。據億歐智庫不完全統計，截至2019年7月，在中國市場活躍的醫療人工智能企業共126家，與2017年的統計數據（131家）基本持平。

其中，開展醫學影像業務的企業數量最多，共57家；開展疾病風險預測業務的企業數量為41家；醫療輔助、醫學影像、藥物研發企業較2017年統計數據有增加，多個企業拓展了輔助醫學研究業務，因此醫學研究領域企業數量有所增加；健康管理、疾病風險預測企業較2017年統計數據有減少。

2012年至2019年5月獲投的醫療人工智能企業中，智能影像領域占比最高，醫學數據挖掘領域及健康管理領域分列第二、第三位；語音電子病歷投資事件數最少，僅2017年出現一例；醫療人工智能領域獲投企業數最多的年份是2018年。

虛擬助理：在醫療領域中的虛擬助理，屬于專用（醫用）型虛擬助理。基于特定領域的知識系統，通過智能語音技術（語音識別、語音合成、聲紋識別等）和自然語言相關技術（NLP、NLU等），實現人機交互，解決使用者某一特定需求。

輔助診療：為醫生疾病診斷提供輔助的產品。輔助診療產品可以分為三類：醫學影像輔助診斷；醫學大數據臨床輔助決策支持系統；輔助診療機器人。醫學影像：人工智能利用深度學習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。常見的應用環節是輔助診斷（影像輔助診斷、病理診斷）、影像輔助手術、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，結合健康醫療專業能力，搭建健康醫療智慧大腦，并通過AI開放平臺，為全行業提供健康管理賦能。

疾病風險與預測：人工智能在疾病風險預測方面的應用主要是：提升效率。迅速處理大量的基因數據，窮盡已有數據庫，且能夠避免遺漏；通過深度學習，比人類更好的理解基因突變，解讀用戶基因數據，提供個性化精準疾病干預方案。

藥物研發：化合物合成：利用機器學習（或深度學習）技術學習海量已知的化學反應，之后預測在任何單一步驟中可以使用的化學反應，解構所需分子，得到可用試劑。臨床試驗設計：利用自然語言處理（NLP）技術檢索過去臨床試驗中的成功和失敗經驗，使臨床試驗方案避免重復常見的遺漏、安全等問題。

假以時日，隨著人工智能技術的成熟與深入發展，AI醫療中的應用場景將會逐漸豐富，例如臨床醫療場景。