人工智能在医疗领域的应用状况
人工智能在医疗保健领域的应用案例在不断增加，这主要得益于各种算法的不断学习和训练，使得技术更加智能以及患者体验得以改善。
大多数人工智能在医疗领域的应用都用了“增强型智能”，增强型智能将算法的输出汇集在一起，为临床医生在获得分析结果时提供了“往哪里看”的方向，而且还在提供服务的过程中发挥了重要的质量控制作用。增强智能侧重于技术的辅助作用，旨在加强人类智能而不是取代人类智能。
诸如如苹果公司一类的消费电子公司利用人工智能帮助个人保持对自己健康的了解。一些具有心率监测功能的腕戴式设备能够在用户的心率异常时通知用户，并可以将有关信息提供给他们的医生分享。医生们也在扩大远程监控病人的能力，做法是在人工智能引擎上运行FDA认证技术。例如，Current Health的解决方案提供具有预测能力的生命体征监测以及健康恶化警报等功能。
许多在医疗级非住院心脏监测领域的不同公司正在积极部署用于心电图记录和心律失常检测的人工智能。与基于规则或传统的机器学习算法(用于Holter监护仪)等传统技术相比，利用人工智能可以更好地改善病人的治疗效果。不太复杂的算法往往不能提供足够高的诊断率，以致于医生在不重复监测的情况下就不能得出明确的诊断。使用人工智能的设备不仅使个性化医疗更接近现实，而且还进一步扩大了医疗系统的能力，进而可以在具有挑战性的情况下为民众提供服务，例如在偏远地区或在可能无法进行诊所访问的情况下提供服务。
人工智能和机器学习用于监测心脏护理
人工智能除了对患者有好处之外，还可以将医生从行政性质的后台工作中解放出来，例如筛选和管理大型数据集等工作，进而使他们能够专心使用他们的临床技能去护理病人。
人工智能可以识别人类无法识别的模式。例如，心脏在两周内平均跳动约150万次，而医生则可能要找到某个六秒钟的时间段对临床结果作出判断。要找到具有临床意义的东西可谓是大海捞针，而人工智能则能确保规模化层次上更高的准确性。
为了达到这种可靠性水平，供应商、数据科学团队和人工智能需要干净的数据以及大量的数据。这种大规模数据扩展需要复杂的分析手段，而利用机器学习和深度学习算法则可以实现。在过去的十年里，属于机器学习子集的深度学习已经在在开发一些科学领域的算法方面达到了与人类表现相匹配的程度。更传统的机器学习方法基于人类搜集的特征预测结果，深度学习算法与更传统的机器学习方法不同，深度学习算法利用了人工神经网络预测结果，因此具有从原始数据中自动学习相关特征的优势。因此，深度学习算法可以利用大量的注释实例数据和重要的计算能力建立复杂的模型并能够以非常高的准确度预测新输入的正确结果。
机器学习和深度学习方法到医疗保健领域的部署受到FDA的严格监督和并需要获得510(K)许可。获得了510(K)许可表明相关技术设备的使用是安全和有效的。随着算法创新和数据量创建步伐不断加快，监管机构出台了一些框架，一方面协调最佳实践和监管要求，同时允许设备以比过去更快的速度不断改进。这方面的工作明显包括了以下两个文件。FDA曾在2021年1月发布了《基于人工智能机器学习软件的医疗设备之行动计划》，随后又发布了《医疗设备开发良好实践：指导原则》，该指导原则是与加拿大卫生部及英国药品和保健品监管局(MHRA)共同制定的。
利用先进的算法和大量的数据，深度学习在许多应用中已经达到了专家级、人类级的表现。
医疗领域人工智能创新的下一个阶段
人工智能在医疗领域大有可为，我们才刚刚开始。去年，拜登政府创建了一个人工智能工作团队，团队的目标令政府数据的获取更容易以及扩大获得关键资源和教育工具的机会，以达到持续刺激人工智能创新的目的。此举基于2020年法案，包括为期五年的2.5亿美元预算。
全国范围内都在关注人工智能创新，资金在增加，人工智能和可穿戴设备的下一个前沿将是预测能力的扩大使用：洞察力范式将从临床回顾性报告转向对未来状况的风险预测。在医疗保健领域，关键将会是通过识别和分析健康风险决定监测哪些病人群体以及在何时监测，另外还要确保病人得到适当的预防性医疗护理。
人工智能创新正在改变医疗保健服务。人工智能创新可以提高病人的体验，减少病人、医生和护理团队的行政负担，并可能改善健康结果。进一步的投资和技术进步无疑将彻底改变我们所了解的远程病人护理。医疗系统在不断发展以应对当前和未来的挑战。而由于最近的新冠大流行，采用远程护理和使用人工智能的势头必将持续下去。
