圖像識別正在徹底改變診斷。最近，Google DeepMind的神經網絡在診斷50種威脅視力的眼病方面與醫學專家的準確性相匹配。
制藥公司也正在嘗試深入學習設計新藥。例如，Merck與創業公司Atomwise合作，GlaxoSmithKline與Insilico Medicine合作。在私人市場，醫療保健AI初創公司自2013年以來已經在576筆交易中籌集了43億美元，超過了所有其他行業的人工智能交易活動。
醫療保健領域的AI目前旨在改善患者預后，調整各利益相關方的利益，降低醫療成本。
人工智能在醫療保健領域面臨的最大障礙之一就是克服長久以來醫療領域的慣性，徹底改革不再有效的現有流程，并嘗試新興技術。
但是AI面臨著醫療行業獨有的技術和可行性挑戰。例如，在美國沒有標準格式或患者數據的中央存儲庫。當患者文件被傳真或者通過電子郵件發送時，不可讀的PDF或作為手寫筆記的圖像發送時，提取和識別舊檔案信息對AI提出了獨特的挑戰。
但像蘋果這樣的大型科技公司在這方面具有優勢，特別是在加入包括醫療保健提供商和EHR供應商在內的大型合作伙伴網絡方面。
生成新的、可用的數據來源并將EHR數據交給患者 - 正如蘋果正在努力探索的ResearchKit和CareKit - 有望成為臨床研究的革命性產品。
京公網安備 11010502049343號