21世紀， 一種新的醫生進入了急診室， 但沒有名字。 事實上， 這些醫生甚至都沒有臉。 人工智慧已經進入了世界各地的醫院。 那些擔心機器人毀滅人類的人不會害怕;將人工智慧引入到醫療保健中， 並不一定是要讓人類的頭腦與機器發生衝突。 人工智慧在檢查室擴大， 有時讓病人可以放鬆， 這樣醫生就可以為他們的病人做同樣的事情。
Bertalan Mesko被認為是醫學未來學家， 他把人工智慧稱為“21世紀的聽診器”。 他的評估結果可能比他預期的更準確。 雖然各種各樣的技術和測試給他們提供了診斷和治療病人所需的全部資訊， 但是醫生們已經負擔了臨床和行政的責任， 並且通過大量的可用資訊進行分類是一項艱巨的任務， 如果不是不可能的話。
這就是21世紀的聽診器可以發揮作用的地方。
儘管如此， 人工智慧在醫學方面的應用已經超出了行政管理的工作範圍。
AI與人類醫生
雖然我們還處於發展的初期階段， 但人工智慧在診斷病人方面已經和醫生一樣有能力了。
英國牛津的John Radcliffe醫院的研究人員開發出一種AI診斷系統， 至少80％的時間比醫生在診斷心臟病方面更為準確。 在哈佛大學， 研究人員創建了一個“智慧”顯微鏡， 可以檢測潛在致命的血液感染：人工智慧輔助工具是訓練在一系列100,000個圖像上獲得的25,000張幻燈片處理染料， 使細菌更明顯。 AI系統已經能夠以95％的準確率對這些細菌進行分類。
在某些情況下， 研究人員還發現， 人工智慧在需要快速判斷的診斷挑戰中勝過人類醫生， 如確定病變是否癌變。
在一項於2017年12月在美國醫學會雜誌上發表的研究中， 深度學習演算法比時間緊迫的人類放射科醫生能夠更好地診斷轉移性乳腺癌。 雖然人類放射科醫師在沒有時間審查病例的情況下可能表現良好， 但在現實世界中（特別是在急診室等大容量， 快速周轉的環境中）， 快速診斷可能會影響患者的生死。
那麼當然， IBM的Watson就具有這樣的診斷能力：當受到來自腫瘤細胞基因資料的有意義的見解的挑戰時， 人類專家需要花費大約160個小時來回顧並根據他們的發現提供治療建議。 沃森只用了十分鐘就提供了同樣的可操作建議。 穀歌最近公佈了一個開源版本的DeepVariant， 這是公司用於解析遺傳資料的人工智慧工具， 這是去年精確的“真相挑戰”中最準確的工具。
AI在預測健康事件發生之前也比人類好。 4月份，諾丁漢大學的研究人員發表了一項研究，該研究表明，通過對378,256名患者的大量資料進行培訓，自學成才的AI比目前的護理標準預測的患者心血管事件多7.6％。研究人員寫道：“在大約83,000條記錄的測試樣本中，這相當於可以挽救生命的另外355名患者”。也許最值得注意的是，神經網路也少了1.6％的“誤報“ - 高估風險的情況，可能導致患者進行不必要的手術或治療，其中許多風險很高。
人工智慧可能對於理解大量資料對人類來說是最有用的。
這正是精密醫學日益增長的領域所需要的。希望填補這個空白的是人類診斷項目（Human Dx），它將機器學習與醫生的實際經驗相結合。該組織正在編制來自80多個國家的7,500名醫生和500家醫療機構的輸入資訊，以便開發一個系統，使患者，醫生，組織，設備開發人員或研究人員可以訪問系統，以便做出更明智的臨床決策。
這是去年精確的“真相挑戰”中最準確的工具。
AI在預測健康事件發生之前也比人類好。 4月份，諾丁漢大學的研究人員發表了一項研究，該研究表明，通過對378,256名患者的大量資料進行培訓，自學成才的AI比目前的護理標準預測的患者心血管事件多7.6％。研究人員寫道：“在大約83,000條記錄的測試樣本中，這相當於可以挽救生命的另外355名患者”。也許最值得注意的是，神經網路也少了1.6％的“誤報“ - 高估風險的情況，可能導致患者進行不必要的手術或治療，其中許多風險很高。
人工智慧可能對於理解大量資料對人類來說是最有用的。
這正是精密醫學日益增長的領域所需要的。希望填補這個空白的是人類診斷項目（Human Dx），它將機器學習與醫生的實際經驗相結合。該組織正在編制來自80多個國家的7,500名醫生和500家醫療機構的輸入資訊，以便開發一個系統，使患者，醫生，組織，設備開發人員或研究人員可以訪問系統，以便做出更明智的臨床決策。