AI與醫學影像的結合起步很早卻難有大的突破。醫學影像是指為了醫療或醫學研究，對人體或人體某部分，以非侵入方式取得內部組織影像的技術與處理過程。自第一張X光片出現后，隨著20世紀科學技術的發展，逐漸形成了以X射線、CT、磁共振成像、超聲和核醫學等為代表的多種醫學影像技術設備，成為醫療絕大多數數據的來源。

人工處理的困難與枯燥，使人們很早就想利用AI解決這些問題。1963年，美國放射學家洛德威克（Gwilym S. Lodwick）等人提出X光片數字化的方法。1966年，萊德利正式提出了“計算機輔助診斷”的概念（CAD），希望通過計算機來減輕醫生的工作負擔。1972年，CT的臨床使用開創了醫學影像數字化的先河。之后，MRI、CR、DR、ECT等數字化醫療設備的產生，推動了醫學圖像資料的存儲、傳輸系統的發展。

因此，1982年，美國放射學會（ACR）和電氣制造商協會（NEMA）決定共同成立一個稱為ACR-NEMA的委員會，致力于制訂醫學影像設備間共同的通信交流規范。1985年和1988年，ACR-NEMA發布了兩套規范（ACR-NEMA 1.0和ACR-NEMA 2.0），并于1993年發布了一套統一的規范，正式命名為DICOM3.0，詳細地規定了醫學圖像及其相關信息的傳輸協議。

雖然圖像存儲與傳輸標準有所發展，但是AI與醫學影像的結合仍然困難重重。例如，醫學專家系統在誕生后，雖然在20世紀80年代紅極一時，但一直難于應用在醫學影像領域。造成AI與醫學影像難以結合的主要原因是視覺系統成像模糊、人體組織結構或功能的復雜性及傳統算法的局限性。2006年，深度算法的出現為圖像識別帶來突破性的進展。2012年，欣頓使用多層卷積神經網絡結構，將圖像識別錯誤率突破性地從26.2%降低到了3%，讓深度機器學習進入工業和醫療的領域。

2014年，國際知名的醫學影像公司Enlitic成立，并開發出從X光照片和CT掃描圖像識別惡性腫瘤的軟件。2015年，美國西奈山醫院使用的一種名為Deep Patient的AI技術，分析該院70萬名患者的病歷數據，表現十分優異。2017年，美國食品藥品管理局（FDA）批準了第一款心臟磁共振成像人工智能分析軟件Cardio DL。2018年，FDA批準了全球第一款人工智能醫療設備IDx-DR。目前，中國有超過100家醫療人工智能公司，其中約有40家企業屬于醫學影像AI公司，近千家醫院部署的人工智能系統中超過一半是醫學影像人工智能系統。

智能機器人是指具有視、聽、觸等機器感覺，行動、規劃、決策等機器思維，機械手、腳的智能控制結構的機器人，是人工智能的又一個重要研究方向。作為一種新型的人工智能技術，會對整個醫療行業產生深遠影響。