如今，在医学中使用人工智能可以严重提高诊断的准确性，使患者的生活更轻松。 可以预期，人工智能将在疾病的诊断和改善中变得必不可少。 由于具有比较数据，收集和综合信息的能力，人工智能在诊断中的参与应有助于定性改善医疗错误的统计数据，增强预防和预防疾病的作用。
根据研究公司Research＆Markets
的预测，到 2020年，全球人工智能市场将增长到50.5亿美元。 同时，医疗保健将成为增长最快的部分。 根据
国际研究 ，在医学中使用人工智能可以提高医疗保健行业公司的利润。
2016年，欧洲AI市场份额价值2.7亿美元，预计每年增长35％以上。 根据
BIS Research的调查 ，到2025年，医疗保健领域的AI市场总额将达到280亿美元，年均增长45.1％以上，医学成像和诊断技术AI市场将达到25亿美元。
AI和视网膜疾病问题
根据
世界卫生组织的资料 ，视力问题与地球上几乎二十分之一的人有直接关系，通过预防措施可以避免约80％的视力问题。 例如，在早期发现视网膜疾病非常重要，但是眼科医生没有足够的资源来进行彻底的研究和诊断。 人工智能可以帮助他们，从而挽救数百万患者的视力。
糖尿病引起的并发症（糖尿病性视网膜病）是视力问题的主要原因之一。 预计
2000年至2030年间 ，糖尿病患者的总数将增加
一倍 ，从而显着增加全世界眼科疾病的发病率。
早期诊断的一半以上可以减少严重视力丧失的发生率。 不幸的是，在患者检查的早期发现视网膜疾病中，进展很小。 在受这些疾病影响最严重的国家，患者没有接受定期检查，而眼科医生通过对眼睛进行单独的深入检查来正确识别和诊断视网膜疾病的准确性较低。 同时，与今天所有人都听到的其他威胁生命的疾病不同，视网膜疾病和视力障碍在公众眼中并不那么明显。 因此，该问题经常被低估。
在人工智能的注视下
人工智能（AI）可能会大大减少视网膜疾病的发生，从而帮助眼科医生更有效地发现这种疾病并补充人类的经验。 巴塞罗那超级计算中心（BSC）与联想合作，决定研究AI如何提高筛选过程的准确性，并可能比平时更早地检测出视网膜疾病。 人工智能技术增加了及早发现疾病的可能性，从而在覆盖率不足的国家/地区对患者进行检查更加便捷。 此外，患者可以使用特殊应用的智能手机在几分钟内独立进行初始检查。
医学的未来是疾病预防。 因此，提高初步诊断的准确性很重要。除糖尿病性视网膜病变外，眼部疾病还引起许多其他病理，例如青光眼，黄斑变性，痣和视网膜前膜。 机器学习模型比当前的筛选方法更容易识别这些各种病理。 巴塞罗那超级计算机中心名誉研究员Dario Garcia-Gasulla对使用此技术的可能性感到乐观：“缩放，训练和验证机器学习模型来研究这些视觉问题可能是一个复杂的过程。 但是潜力是巨大的，因为相同的方法可以应用于医学的其他领域和许多工业应用。”
模型训练和克服数据短缺问题
学习AI模型以检测某些视网膜疾病的问题在于缺少可用于训练神经网络的“干净”数据。 对于数据集可用性有限的病理（例如，少于5000张图像），可能无法从头开始对神经网络进行可靠的深度训练。 在这种情况下，您可以使用“培训转移”。
自动化将为医生提供额外的时间，使他可以用来研究患者的疾病并建立最准确的诊断。 哈佛医学院的专家认为，人工智能技术的使用将使诊断错误的程度降低85％。培训的转移基于为具有较大数据集的任务准备的模型，然后将其重新用于解决几乎没有数据可用性的其他任务。 有时，它用于突出显示符号（提取程序）。 结果，培训的转移还可以减少培训时间（最多几分钟），节省研究时间，并最终节省与开发解决方案相关的成本。
| 病理学 | 检测精度
|
|---|
青光眼
| 85.5％
|
视网膜色素沉着
| 75.1％
|
视网膜前膜
| 78.8％
|
痣眼
| 65.0％
|
黄斑变性
| 91.07％
|
使用AI检测各种视网膜病变的准确性为75-91％。新AI技术
在法兰克福举行的国际超级计算机大会（ISC）上，联想和BSC将展示一个应用程序，该应用程序演示学习转移的工作原理。 它是在PC莫里斯维尔的联想AI创新中心创建的。 美国北卡罗来纳州。 该应用程序将允许访问者通过直观的界面独立构建和训练模型，从而在改善视网膜疾病的筛查中发挥积极作用。
Garcia-Gasulla解释说：“演示的目的是展示使用预训练的深度神经网络作为特征提取器是多么容易，它成为其他更简单，更快模型（在本例中为SVM）的基础。 在10分钟内，每个参与者都将能够设计，训练和测试机器学习模型的有效性，以识别视网膜病理。 将比较和评估使用相同病理学的会议参与者的模型，以发现和奖励在此论坛期间开发的最佳模型。”
LiCO通过提供用于管理软件和硬件堆栈的直观用户界面，加速了AI模型学习和高性能计算系统的传统部署。包括领先厂商在内的800多家公司已经在开发智能医疗产品，服务和流程。 对于此类研究，Lenovo构建
了自己的AI解决方案 ，包括最近发布的
Lenovo智能计算流程（LiCO）5.1平台和
Lenovo AI Validated Design参考架构，用于开发基于Intel Xeon可扩展性和NVIDIA Tesla架构的模型。
模型训练的组成部分。 AI软件堆栈正在迅速发展，新的和更新的框架几乎每月出现一次。 在许多开源选项中进行选择可能需要很长时间。 Lenovo参考体系结构已在Lenovo ThinkSystem平台上经过测试和配置。医学中的AI：未来已经来临
在医学中使用人工智能可以通过发展个性化医学，诊断学，开发新药，机器人辅助手术，慢性病远程监控，对患者的远程协助，支持做出正确的医疗决策以及确定医疗错误等领域的发展来彻底改变医疗行业。
Agency
Frost＆Sullivan指出 ，人工智能技术可将诊断准确性提高30-40％，而医疗成本则降低了一半。 麦肯锡（McKinsey）的研究表明，在医学领域，主要是在数据收集和分析层面上，36％的功能可以实现自动化。
国外和俄罗斯都在积极地朝着这个方向发展，例如，
俄罗斯的一个项目是一种疾病诊断系统，其中包括使用从肺部X线摄影，乳房X线摄影，计算机断层扫描和超声获得的医学数字图像来识别病理。
项目是可以在用户的工作计算机或智能手机上使用
的应用程序 。 它基于经过训练可识别医学图像中病理情况的神经网络来工作。 该项目的第一阶段是病理性血细胞分析仪和眼底病理识别仪。 将来，它将涵盖诸如肺部X光摄影，乳房X线摄影，计算机断层扫描，移动超声等领域。
新项目几乎每年都会出现。 现在有许多发展。 例如，在俄罗斯，已经启动了
CoBrain-Analytics信息和分析系统来诊断和制定针对脑疾病患者的个人疗法。 医学上的人工智能已经来了。