在医学影像中，生成模型也越来越受重视，且有很多临床应用场景与价值。BessemerVentures副总裁Morgan Cheatham此前在接受媒体采访时曾表示，“生成式人工智能将为医疗保健和生命科学释放1亿美元的价值”，应用领域包括药物发现、治疗预后、模拟数据生成、工作流自动化、提升工作效率等。
其中，通过生成式AI进行药物发现，能更有效地探索化学和生物空间的方法，并且在某些情况下，可能会以更快的方式产生结果。
预后方面，则可以利用临床数据可以改善对疾病进展的预测，并为护理和预防提供更多选择；模拟数据生成能够维护隐私并提高法规遵从性；工作流程自动化则意味着许多工具可以通过增加输出和提高数据记录质量来提高效率，包括病例撰写或人工智能写作助理，整体降低医疗系统工作人员的负担、提升效率。
除这些领域以外，早在2017年，GAN等最早的生成模型/生成对抗模型就被斯坦福等科研机构研究者应用到磁共振成像生成重建算法中。Transformer，diffusion mdoel等模型架构的成果也在显著影像医学影像领域。例如斯坦福公开了X光图像生成模型RoentGen。上文提到的深透医疗的多条产品线均依托于最新的生成式AI技术，最新上市的SubtleSynth等基于独特的图像生成模型实现医学影像质量和效率的进一步飞跃。
除此之外，AI还将改变医学的许多方面，包括诊断、治疗和药物开发。在诊断领域，AI算法可以分析X光、CT扫描等医学影像，识别异常，辅助医生做出更准确的诊断。人工智能还可以分析大量患者数据以识别模式并预测某些医疗状况的可能性，这可以帮助医生做出更明智的治疗决策。