硅谷企業家 - 投資者Vinod Khosla于2012年問：我們需要醫生或算法嗎？當時，他受到醫生和評論員的批評，其中許多人并沒有看出挑釁性的標題。

真實的是，醫生幾乎沒有面對算法或人工智能（AI）的任何威脅。2013年Carl Benedikt Frey和Michael A. Osborne的開創性研究審查了對計算機化的影響程度，預測醫生和外科醫生的風險失去了計算機。

但是在2018年，Hindsight給我們的6/6愿景的好處，很明顯，要問的問題不是算法是否會取代醫生。真正的人工智能如何幫助醫生和更大的變化保健，就像我們知道的那樣。

復雜任務簡單

最有前途的答案，到那最后，介于世界各地的研究實驗室和現場實驗，歸功于人工智能技術。例如，帝國學院生物工程系的科學家設計了一種仿生肢體，對其用戶來說感覺更加自然。

這個想法是從截肢者的樹樁中挑選弱電信號，并使用嵌入用戶身體中的電極將它們傳遞給仿生臂的控制單元。

這里，通過機器學習算法進行解釋假肢的電信號的關鍵任務。但對于機器學習，這將是一個令人難以置信的困難和復雜的任務。

人工智能快速變化的另一個領域是放射學。去年年底發表在雜志上發表的一項研究發現，當研究人員使用深度學習算法使用來自阿爾茨海默病神經影像倡議數據庫超過1000名患者的數據進行寵物掃描時，在早期發現Alzheimer疾病的早期發現顯著提高。

平均來，尋找與阿爾茨海默氏癥相關的腦代謝變化的算法，準確地檢測到六年以上的疾病，前后持續六年以上。

在將大腦活動轉化為言論中，科學家多年來一直在努力，人工智能再次進行前進。根據科學雜志的一份報告，三個研究團隊報告了轉向這些數據的進展。

在哥倫比亞大學，科學家研究了與言語相關的大腦活動，正在使用數據培訓神經網絡。使用從癲癇的五個人的聽覺皮層收集的錄音，神經網能夠重建聽眾可以理解四次的口語號碼。

在德國不來梅大學，科學家們從大腦的語音規劃和電機領域映射了活動，并將其映射到錄音，以后從新鮮腦數據中重建音頻。這些詞的約40％是可理解的。

在印度，這是世界上有超過5.55億人的最高障礙者，谷歌一直與該國最大的眼科護理提供者Aravind眼科醫院合作，幫助篩查糖尿病視網膜病變。微軟正在與LV Prasad Eye Institute和來自世界各地的專家合作，為視力障礙和眼病開發機器學習模型。

一個啟動生態系統

互聯網和社會中心發布的報告，在醫療保健中歸類為描述性，其中AI用于識別圖像中的模式;預測性，AI被用來預測最終性，幫助醫生建議預防措施;和規定的，AI檢測趨勢，也表明治療。

這種基于AI的解決方案正在跨越價值鏈的數十個初創公司部署，包括醫院，藥物，診斷和醫療設備。

例如，資助的啟動SigTuple提供了一個名為Shonit的AI平臺，用于血液診斷?；贐engaluru的Niramai使用機器學習，準確篩選乳腺癌的用戶，CureSkin應用程序讓用戶分析皮膚問題。

你可以質疑人工智能被媒體和大科技公司被賣給你，但這些都是明確的進展標記，它已經能夠帶來。事實上，最重要的醫生，Devi Shetty博士是查看該軟件能夠比未來五年的醫生更聰明地診斷，并在法律上要求他們在治療患者之前從軟件中取出第二意見。

然而，他指出，他指出，是沒有總是有足夠的數據來訓練軟件。