現時，醫療數據中約80%來自醫療影像，其中，70%的臨床診斷須借助醫療影像。然而具備相關知識的病理和放射科醫生有限，要培育能獨當一面的醫生往往需時長達10年之久，無論醫生手人和診療效率，也難以應付目前的龐大需求。
有見市場需求甚殷，由香港中文大學醫療影像計算分析實驗室孵化的視見醫療，致力透過運算影像分析和人工智能技術，為精準醫療影像輔助診斷，提供高性能的產品、服務及整體解決方案。產品層面由醫療影像輔助診斷系統、遙距診斷雲運算平台、輔助診斷運算模組，以至醫療影像大數據處理中心，提供端到端的完整服務體系。
大規模病理顯微圖像分析
目前視見醫療的產品研發包含放射影像（DR/CT/MR）輔助診斷、放療靶區輔助勾勒，及病理（細胞學、組織學）影像輔助診斷3大方向。
其中，大規模病理顯微圖像分析採用先進的圖像處理技術，與高精度硬件配置，從系統訊號的獲取、測量、處理，到打印輸出全部實現彩色化、自動化、智能化，其操作簡便、圖像清晰度高、圖文報告打印快捷，加上功能強大的數據庫管理，有助為臨床病理、藥理病理，及所有運用顯微鏡的科技工作者，提供智能化的診斷輔助工具。
以肺癌為例，早期肺癌的典型癥狀是肺部結節，放射科醫生通常要觀察約200至600幅電腦掃描圖像，大概需時30分鐘。至於病理切片影像，1張約1GB至3GB，病理醫生一般亦要在15至30分鐘內，從中找出有價值的訊息。然而若使用視見的人工智能軟件，來分析放射影像或病理影像，則只需1至2分鐘，大幅提高效率，減輕醫生部分工作量和壓力。
肺癌早期CT篩查
在臨床上，早發現早治療是減少肺癌死亡率的關鍵。早期肺癌篩查，即肺部小結節檢測，對於發現早期肺癌，及時介入治療，提高肺癌患者存活率，同時可降低治療費用，減輕病人痛苦。
視見醫療產品經理Efstratios Tsougenis指出，肺部結節的尺寸小、對比度低、形狀異質化高，醫生通常需要人手閱讀病人大量的CT圖像，來檢查肺部是否存在結節，相當耗時。而視見醫療的AI放射影像輔助診斷系統中，用於分析肺部影像有沒有肺癌的「肺小結節檢測和識別系統」，可透過深度學習技術，讓系統自動對低劑量CT放射影像進行分析檢測，處理時間不到1分鐘，大大減輕醫生重複性的工作負擔。
「就肺小結節檢測和識別來說，我們的準繩度可達90％。當然，與資深放射醫生相比可能有所不足，但勝在處理時間短，加上具備深度學習技術，即數據庫累積的病例愈多，我們的檢測結果便會愈漸精準。畢竟此方案的目的，是盼能藉人工智能醫療影像分析技術，解決醫生人才短缺，以及醫療資源分配不均衡等問題。醫生長時間診症未免容易出現紕漏，若先由系統快速檢測，再將有疑問的個案轉交醫生詳細診斷，則可有效提高效率和減少失誤。」Tsougenis透露，視見醫療目前已與四川大學華西醫院、廣州中山大學腫瘤醫院、香港威爾斯親王醫院等結為合作夥伴，另最近更推出TCT宮頸癌人工智能篩查系統。