硅谷企业家 - 投资者Vinod Khosla于2012年问：我们需要医生或算法吗？当时，他受到医生和评论员的批评，其中许多人并没有看出挑衅性的标题。

真实的是，医生几乎没有面对算法或人工智能（AI）的任何威胁。2013年Carl Benedikt Frey和Michael A. Osborne的开创性研究审查了对计算机化的影响程度，预测医生和外科医生的风险失去了计算机。

但是在2018年，Hindsight给我们的6/6愿景的好处，很明显，要问的问题不是算法是否会取代医生。真正的人工智能如何帮助医生和更大的变化保健，就像我们知道的那样。

复杂任务简单

最有前途的答案，到那最后，介于世界各地的研究实验室和现场实验，归功于人工智能技术。例如，帝国学院生物工程系的科学家设计了一种仿生肢体，对其用户来说感觉更加自然。

这个想法是从截肢者的树桩中挑选弱电信号，并使用嵌入用户身体中的电极将它们传递给仿生臂的控制单元。

这里，通过机器学习算法进行解释假肢的电信号的关键任务。但对于机器学习，这将是一个令人难以置信的困难和复杂的任务。

人工智能快速变化的另一个领域是放射学。去年年底发表在杂志上发表的一项研究发现，当研究人员使用深度学习算法使用来自阿尔茨海默病神经影像倡议数据库超过1000名患者的数据进行宠物扫描时，在早期发现Alzheimer疾病的早期发现显着提高。

平均来，寻找与阿尔茨海默氏症相关的脑代谢变化的算法，准确地检测到六年以上的疾病，前后持续六年以上。

在将大脑活动转化为言论中，科学家多年来一直在努力，人工智能再次进行前进。根据科学杂志的一份报告，三个研究团队报告了转向这些数据的进展。

在哥伦比亚大学，科学家研究了与言语相关的大脑活动，正在使用数据培训神经网络。使用从癫痫的五个人的听觉皮层收集的录音，神经网能够重建听众可以理解四次的口语号码。

在德国不来梅大学，科学家们从大脑的语音规划和电机领域映射了活动，并将其映射到录音，以后从新鲜脑数据中重建音频。这些词的约40％是可理解的。

在印度，这是世界上有超过5.55亿人的最高障碍者，谷歌一直与该国最大的眼科护理提供者Aravind眼科医院合作，帮助筛查糖尿病视网膜病变。微软正在与LV Prasad Eye Institute和来自世界各地的专家合作，为视力障碍和眼病开发机器学习模型。

一个启动生态系统

互联网和社会中心发布的报告，在医疗保健中归类为描述性，其中AI用于识别图像中的模式;预测性，AI被用来预测最终性，帮助医生建议预防措施;和规定的，AI检测趋势，也表明治疗。

这种基于AI的解决方案正在跨越价值链的数十个初创公司部署，包括医院，药物，诊断和医疗设备。

例如，资助的启动SigTuple提供了一个名为Shonit的AI平台，用于血液诊断。基于Bengaluru的Niramai使用机器学习，准确筛选乳腺癌的用户，CureSkin应用程序让用户分析皮肤问题。

你可以质疑人工智能被媒体和大科技公司被卖给你，但这些都是明确的进展标记，它已经能够带来。事实上，最重要的医生，Devi Shetty博士是查看该软件能够比未来五年的医生更聪明地诊断，并在法律上要求他们在治疗患者之前从软件中取出第二意见。

然而，他指出，他指出，是没有总是有足够的数据来训练软件。