尽管到目前为止，人工智能还不能解决所有疾病，但其工作结果似乎很有希望
对患者的有效治疗需要培训和经验的结合。 这就是人们期待在医学中使用AI的前景的原因之一：可以对算法进行培训，以利用数千名医生的经验，为他们提供比任何人都可以消化的更多的信息。
10月底，有一些证据表明该软件可能已经接近满足这些期望。 已经发表了两篇论文，描述了使用AI进行诊断和治疗的出色初步结果。 这些论文指出了完全不同的任务和方法，这表明人工智能可以发挥作用的情况范围非常广泛。
治疗方法的选择
一项研究的重点是
败血症 （血液中毒），当免疫系统对感染过度反应时会发生
败血症 。 败血症是全球第三大最常见的死亡原因，即使住院也仍然是一个问题。 存在治疗患者的方法，但是从统计数据来看，存在改善这种情况的重大机会。 因此，来自英国和美国的一小组科学家决定检查该软件是否可以提供这种改进。
他们使用了
强化学习算法，该算法在带有“稀有奖励信号”的情况下被认为是有效的。 换句话说，在如此庞大的人口样本中，人体除了败血症外还会有很多其他事情，这会影响任何治疗的结果，因此有效治疗的信号将微弱且难以区分。 开发这种方法是为了增加他们被认可的机会。
一个庞大的基础用于培训该软件：来自125个诊所的17,000例复苏患者和79,000例住院患者。 患者数据包含48个信息参数，从生命指标，实验室检查到人口统计学。 该算法使用数据来确定可使患者90天生存机会最大化的治疗方法。 研究人员将产生的软件称为“ AI临床医生”。
为了评估AI临床医生的工作质量，使用了另一套患者的病史。 该算法用于选择一种治疗方法，然后将患者的实际治疗与提出的算法进行比较。 通常，该软件建议使用较低剂量的注射剂和较高剂量的血管收缩药。 治疗与这些建议相吻合的人比其他患者的存活率更高。
诊断程序
第二篇论文评估了发现需要治疗的问题（特别是骨折）的能力。 通常，这类问题很容易看到，但是即使对于专家而言，也很难发现小碎片或小裂纹。 在大多数情况下，诊断不在于专科医生的肩膀上，而在于在救护车上工作的医生。 这项新研究并未寻求创建人工智能来替代医生，它只是想帮助他们。
该团队要求18名整形外科医生诊断出135,000张腕部潜在骨折的图像，然后使用这些数据来训练该算法，即具有
深度训练的
卷积神经网络 。 该算法用于标记非骨科专家应注意的区域。 实际上，他帮助他们专注于最可能发生骨折的区域。
过去，对这类检查进行过多的诊断，医生建议在无害的情况下进行其他检查。 但是在这种情况下，诊断的准确性提高了，而误报率降低了。 确定骨折的敏感性（或能力）从81％上升到92％，准确性（做出正确诊断的能力）从88％上升到94％。 总而言之，这意味着救护车医生几乎将不正确诊断的次数减少了一半。
在两项研究中，都没有在完全反映医学状况的环境中使用软件。 急诊医生和败血症医生（可能是同一个人）通常还会有许多引起兴奋和分心的其他原因，因此将AI集成到他们的工作中将很困难。 但是，这些尝试的成功表明，AI的临床试验可以比以前认为的更早开始，然后我们将真正了解AI如何帮助做出真正的诊断并开出治疗方案。