看病难，看病贵？这不是中国特色，某种程度上美国比中国要严重得多。全球都面临着类似的问题。世界卫生组织估计，全球约有430万医生和护士的缺口。这种欠缺在不发达国家更为严重，而发达国家也面临医疗费用日益高昂的挑战。
　　人工智能（AI）也许是解决之道。至少在以下五个方面，AI已开始发挥作用：
　　替医生做诊断
　　去年8月，老牌人工智能产品IBM Watson分析了数千个基因突变，最终确诊一位60岁的日本女性，患有一种非常罕见的白血病，并提供了适当的治疗方案，而几个月前她曾被医院误诊。Watson的整个诊断过程不到10分钟，如果换做人类医生，这个诊断需要耗时数周才能做到。
　　机器学习技术也被用到了精神疾病的诊断中，比如说纽约大学Langone医学中心的Charles Marmar就在使用机器学习来挖掘语音中的特征，从而帮助医生来诊断PTSD(创伤后应激障碍)，Sonde Health则用类似的方法来诊断产后抑郁，以及老年痴呆症、帕金森病等老年性疾病。
　　解读医疗影像
　　我们还从老牌厂商IBM说起。去年8月，IBM斥资10亿美元，将一家医疗影像公司Merge收入麾下，并与Watson健康部门合并。Merge是美国具影响力的医疗影像公司，不仅拥有大量的医学数据和图像(CAT扫描、乳房摄像)，还有帮助医生存储、分析医学图像的顶尖技术平台。
　　国内，也有众多创业公司在研究如何用AI解读医疗影像。
　　慢性病预测和健康管理
　　在健康管理方面，IBM同样早有布局。IBM的人工智能系统Watson与美国药店CVS合作，CVS向Watson开放海量患者行为信息，包括临床数据、购药数据和保险数据等，Watson对用户行为和相关指标进行分析，来提前预知患者的病情。
　　走进手术室
　　这个领域知名的莫过于达芬奇。
　　2000年，Intuitive Surgical达芬奇系统正式获批上市。这个手术机器人最初用于支持微创心脏搭桥手术，后来又在前列腺癌治疗方面取得进展。达芬奇机器人由三部分组成：外科医生控制台、床旁机械臂系统、成像系统。
　　医生的助理
　　《福布斯》此前曾经报道：医生花费27%的时间在诊室问诊，还有49.2%的时间在做书面工作，其中包括使用电子健康记录系统。即便在诊室，医生只花52.9%的时间在跟患者沟通，还有37%的时间在处理书面工作。
　　一些医疗健康机构已经开始使用人工智能程序来减少医生和护士收集患者信息的时间，这有助于降低成本，但是有可能反而进一步减少医生和患者交流的时间。
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（摘自新浪科技）