现代技术使计算机系统越来越“智能”。 特别是，Facebook，Google，Amazon使用机器学习-例如，将语音转换为文本，识别人脸并提供个性化广告。 相同的技术可以帮助各种专业的医生。 在美国，计划将机器学习和弱形式的AI用于对抗危险细菌
艰难梭菌 。 维基百科说，这种细菌是伪膜性结肠炎的病原体，伪膜性结肠炎是一种严重的传染性肠道疾病，可能导致身体虚弱的人死亡。
医院患者只是属于身体虚弱的人，几乎无法应对病原性病毒和细菌。 仅在美国，每年就记录45.3万例结肠炎，其中29,000例导致患者死亡。 无论如何，此类数据已在
2015年报告中给出。 常用的医疗方法无助于阻止感染-洗手，洗地板，使用防腐剂等。 不太有效。
因此，医生决定使用与现代技术直接相关的其他方法，如上所述。 密歇根大学团队开发了一种预测不同患者结肠炎可能性的方法。 为此，将使用个人卡中的医疗数据。 到目前为止，该技术仅经过测试，但已显示出出色的效果。
几周前，使用计算机科学家创建的技术
对马萨诸塞州一家医院的37.4万例住院病人进行了
分析 。 科学家希望在疾病的发生与导致疾病的因素之间找到联系。
在分析过程中，机器会检查约4000种不同的因素，包括患者床位，看医生，其他患者床位以及所有其他数据。 通常，住院病人不在同一个地方，而是在医院周围移动。 而且，如果某处有感染源，那么它会起作用。 最主要的是及时识别该来源。
在医学中使用机器算法的另一个示例是对视网膜进行分析以检测糖尿病性视网膜病。 视网膜病变是视网膜血管的病变，导致视网膜血液供应受损，变性，视神经萎缩和失明。 这是糖尿病患者的常见疾病，必须及时诊断，以使人们不会因进行性视网膜病变而失明。 这很普遍-在2011年
，记录了大约1.26亿个病例，到2030年，它们的数量将增加51％。
专家创建了一个神经网络，该网络以印度和美国的12.8万张患者眼睛图像为例进行了训练。 向在熟悉计算机之前已在不同发育阶段诊断出视网膜病变的医生显示了相同的图片。 然后将所有接收到的数据下载到计算机。 神经网络经过训练后，在不同的数据集上进行了检查，在这种情况下，其结果要比医生的结果高。
现在，开发此工具的专家团队计划将其引入印度，那里有大量患有此诊断的患者。 在美国或其他国家，这也是一个问题。 该技术目前正在印度的多家医院进行临床试验。
去年，美国监管机构批准了一种用于分析医院磁共振图像的特殊设备。 该设备仅需30秒即可分析图像，而医生则花费大约45分钟完成同一工作。 “这是常规流程的自动化，在正常情况下会占用大量专家时间，”开发此系统的Arterys发言人Karla Leibovitz说。
通常，机器学习和AI在医学中正变得越来越普遍。 基本上，我们正在谈论对疾病诊断很重要的任何常规过程的自动化，但是这需要医生花费很多时间。 而且，医生花在这项工作上的时间越多，他就越累。 结果，与工作刚开始相比，工作几个小时后，一个人分析相同的X射线图像的注意力要少得多。 因此，诊断的准确性也下降。