人工智能在这几年间的发展侧重点已渐从知识工程转向机器学习方面。深层学习功能对于筛选大量数据起着至关重要的作用。打个比方，自驾车平均每一秒处理来自数十个传感器产生的超过千兆字节的数据，做出驾驶舱内的每一项决定。这种以数据驱动的方法，省却了人们制定计算机决策规则的负担；从机器学习的角度来看，大量的训练数据则能帮助缓解模型过拟合问题对统计上所可能造成的问题。

在医疗领域亦是如此。除了IBM沃森医疗之外，这些新兴AI技术迄今已在改造医疗业、加速其数字转型的多个方面，提供了无尽的机遇。随着使用案例迅速增长，AI在运营和临床领域的成功应用，更数不胜数。

于此同时，市场更见一波投资流向AI创企。

市场一项研究显示：人工智能在医疗行业的市场值，预计在未来五年将增长10倍以上，达到66亿美元，复合增长率将超过40％。同时，AI将为医疗业节省多达1500亿美元的运作成本，其中涉及广泛的应用，包括机器人辅助手术、临床诊断、治疗选择以及运营效率等。

AI基本上已准备好迎接黄金期的到来，尤其是在非任务关键型的应用程序方面。AI系统可以帮助护士从病人门户网站更快地分类问题；辅助引擎可以在后台运行，以方便放射科医生发现可能被忽视的异常状况；认知计算平台可以实时分析病患者情绪，提高病患者对24小时医疗热线的满意度等。

另一个很好的例子是数据丰富的电子健康记录系统（EHR）。美国90％以上的医院已开始使用EHR系统来记录人口、诊断、治疗和付款等信息；但EHR成为“智能”系统的潜力，远远大于此。

在操作层面上，自治系统和机器人程序自动化（RPA）利用预定规则运行软件，消除了人为干预的需要，尤其是在如健康计划中获取福利资格信息，以及管理例常的IT基础设施操作等方面。更多的情况下，这些工具（人们惯称“机器人”）可以从请求模式中学习，并不断修复或更新其算法，随着时间的推移更加智能化。

在更先进的应用水平上，认知技术和人工智能系统通过神经网络和贝叶斯模型的技术，帮助这些技术仿效人类的思维方式，进行推理和判断并做出决策。

 当然，AI仍不完美，医疗牵涉的也绝对不如自动驾驶汽车那么简单直白，甚至还要复杂得多。人工智能、认知技术、机器人程序自动化、自治系统、机器学习、深层学习；这些技术充其量是帮助增强人类智能，却绝对无法取代它。人类依然会是关键任务应用程序智慧的“黄金标准”，医生更不可能因为AI应用的迅速发展，而完全被机器取代。

但是过去只出现在科幻小说和电影中的“未来”AI，已真真实实地发生在医疗领域里，并且摆在我们眼前。