今天的人工智能技术包括机器学习和深度学习，两者都涉及到如何使用大量的案例训练计算机来建立一个模式来识别未知的对象。Winterlight实验室已经训练了它的基于机器学习的软件，通过一段1-5分钟的语音剪辑来检测一个人的认知障碍，这包括识别正常人和阿尔茨海默症患者之间的不同音调。使用的语法的复杂性。

 

它的创始人Frank Rudzicz允许用户回忆他们在互联网上看到的一张图片，或者阅读一个故事，并用他们自己的语言组织起来。软件将把分析结果发送给医生。分析一个音频样本大约需要5分钟，比传统的3小时分析快得多。研究结果可用于阿尔茨海默病的早期诊断，使患者得到更及时的服务，大只500降低医疗成本。

 

当人工智能被用来分析基因组来了解疾病时，它也可以帮助医生得到更准确的诊断，从而让病人得到更好的治疗。多伦多深度基因组公司开发了一套软件系统，可以确定基因变异，这将解开基因变异如何引发疾病的奥秘。

 

该公司在一项针对免疫系统紊乱儿童的研究中测试了他们的技术。免疫系统紊乱是一种罕见的儿童基因突变。公司首席执行官Brendan Frey希望他们的技术能够“改变药物研究的方式”。在某种程度上，通过确定药物靶向，可以预测病人对药物的反应。

 

除了上述公司外，Intellectual Ventures实验室开发的自检系统还依赖于一个深度学习网络，从显微镜载玻片中检测血液中的疟原虫。直到今天，训练有素的显微镜技术人员的标准方法是用肉眼从载玻片的微小孔隙中找到那些无法辨认的寄生虫。但在疟疾肆虐的许多地区，没有那么多显微镜技术人员，更不用说熟练的操作人员了。

 

在泰国最近的一次现场评估中，预计将于2017年推向市场的Autoscope通过识别寄生虫的形状和纹理等特征，在170张幻灯片中准确识别寄生虫。但由于该系统需要电力支持，成本高达1500美元，因此，提供足够资源的诊所更有可能使用Autoscope，而不是在贫穷的偏远地区。

 

还有专门设计用来简化药物的人工智能。Atomwise的AtomNet建立在一个深度学习系统的基础上，该系统根据早期的研究数据，自学如何识别药物化学的构建块。当涉及到一个蛋白质结构目标(将其视为一个锁)时，它每天可以考虑数百万个可能的“钥匙”，并预测这个“钥匙”将是最有效的。这家总部位于旧金山的公司与研究人员合作，寻找可能治疗癌症和神经系统的药物分子。

 

然而，Atomwise的首席运营官亚历山大•利维(Alexander Levy)提到，AtomNet仍需要测试。“人工智能并不能解决所有的医疗发展问题。”科尔曼还指出，任何新的医学发现都将面临一个非常滞后的审批过程。

 

“在早期，可能会有一些噱头，但最终，人工智能将被证明是真正有用的。不能用其他方法解决的问题可以用人工智能来尝试。”弗吉尼亚大学计算机科学教授齐彦军如是说。对于人工智能的使用还有其他的担忧，比如担心人工智能可能会导致更多的错误，或者在升职后导致制药公司和医疗机构的裁员。

 

一些患者对机器做出的临床决定感到不舒服，大只500科技但57岁的平滑肌肉瘤患者苏西·西格尔(Suzie Siegel)非常乐观。“人工智能让医生在决定治疗方案时获得更多信息，所以用机器看一点。我不会吓到我的。”