人工智能的應用不僅僅是5G，手機，物聯網等方面，和我們最接近的應用領域還包括醫療行業。在這些領域的應用也需再進一步提升。

智能診斷方面

醫學人工智能讓機器擁有更好的經驗判斷力

所謂經驗判斷力，就是豐富的經驗帶來的判斷力。舉例來說，我們每個人在學習數學的時候，當你做某一個題型越多，你就會對這個題型越熟悉，下次碰到同樣的題型，你就會更快地解答出來，因為通過經驗的積累，你的判斷力提升了。如果忽略智力水平的微小差異，做100道題的同學肯定比做50道題的同學對這種類型的題目擁有更強的經驗判斷力，因為他擁有更多的經驗。

病患數據管理

2016年，全球電子健康記錄(EHR)的市場規模達210億美元，基于大數據管理和新興分析解決方案的AI+醫療重塑了整個行業。健康醫療數據除了電子病例之外，還來自醫療、制藥公司數據庫和可穿戴設備的傳感器數據等，其中近80%是非結構化的(很難理解的)，因此需要人工智能算法實現有效利用。有分析認為，人工智能和機器學習加持的醫療保健信息價值每年將超過280億美元。

藥物研發優化

研發過程本身和審批是藥物研發成本高、周期長的主要原因，直接導致了部分疾病醫療費用高。德勤數據顯示，2020年藥物研發支出將達到1620億美元。

根據加州生物醫學研究協會的說法，目前的美國批準程序下，新藥從研究實驗室到病人平均需要12年的時間，平均花費3.59億美元，只有5/5000(0.1%)的藥物在臨床試驗前被批準用于人類。值得注意的是，藥物研發不都是成功的，錯誤和低效都會給研發公司帶來巨大的財務風險。

而人工智能和深度學習的迅速成長將為藥物研發過程提高效率和準確性，并已經在全球各地的實驗室初試身手。C輪拿了1.75億美元，總融資3.13億美元的Flatiron Health就是干這個的，利用數字病例尋找癌癥機理，計算模擬藥物可行性，加速臨床試驗，推進個性化醫療。預計2025年，AI加持下的全球制藥行業成本將降至270億美元。

醫療設備的改進

據統計，預計到2020年，醫療機器人市場規模將達到128億元，其中醫療影像診斷是智能診療最為活躍的項目之一，基于傳感器，機器視覺，圖像分析和數據科學的人工智能還將引入外科機器人等領域。

健康管理

通過智能設備，可以檢測到人體的一些基本身體特征。如：飲食，生命體征指數，睡眠指數，等相關數據，通過這些數據，可以對人體素質進行簡單的評估，從而提取患者的健康管理報告。同時也可以及時預防疾病發生的風險，如發生疾病可以提早知道，盡快就醫，避免不必要的健康損傷。

人工智能的植入，促使了現代醫學的進步。想要貫穿到實際應用中還有很長的路要走，從建設到全民體驗，會面臨很多的更新迭代和用戶反饋。希望科技醫療領域的發展能夠早日步入正軌，提高我們的健康管理水平，徹底解決就醫難，就醫貴，誤診等醫療問題。

人工智能的發展促進了現在醫療行業的發展，這些技術要實現最后的應用，也將會在用戶的使用反饋和使用中不斷改進，最后改善現在的醫療資源緊張的問題。