目前，醫(yī)學(xué)領(lǐng)域中，AI涉足最多的幾個(gè)領(lǐng)域包括：

精準(zhǔn)醫(yī)療：基于“組學(xué)(omics)數(shù)據(jù)”，包括基因組學(xué)、基因轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)等。

輔助診斷：基于病歷、文獻(xiàn)等醫(yī)療大數(shù)據(jù)。

藥物研發(fā)：解決藥品研發(fā)周期長(zhǎng)成本高的問題。

醫(yī)學(xué)影像識(shí)別：基于大量的影像數(shù)據(jù)。

除此之外，還有人工智能與可穿戴設(shè)結(jié)合，進(jìn)行個(gè)人健康數(shù)據(jù)預(yù)測(cè)和管控疾病風(fēng)險(xiǎn)。

目前深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)已經(jīng)有成熟應(yīng)用的算法，主要有以下幾種：卷積網(wǎng)絡(luò)CNN、RNN。其中卷積神經(jīng)網(wǎng)絡(luò)主要用于圖像處理領(lǐng)域，而RNN網(wǎng)絡(luò)，就是將神經(jīng)元的輸出，重新作為輸入，從而影響神經(jīng)網(wǎng)絡(luò)的最終行為。近年來，精準(zhǔn)醫(yī)學(xué)越來越受到追捧。在精準(zhǔn)醫(yī)學(xué)中，基因測(cè)序技術(shù)又是其核心。深度學(xué)習(xí)里邊的RNN網(wǎng)絡(luò)，正是可以在基因分析領(lǐng)域大顯身手，可以期待有這方面劃時(shí)代的成果出現(xiàn)。

深度學(xué)習(xí)在醫(yī)療領(lǐng)域最激動(dòng)人心的應(yīng)用，無疑是在在醫(yī)學(xué)診斷方面的應(yīng)用。谷歌的DeepMind和IBM的watson，都在這方面積極布局，尤其是watsonai，在某些特定領(lǐng)域，其診斷精度已經(jīng)超過了人類專家。由于醫(yī)療中病例大多數(shù)為非結(jié)構(gòu)化文本數(shù)據(jù)ai，因此采用多層限制性波爾茲曼機(jī)（RBM）堆疊成的深度信念網(wǎng)絡(luò)（DBN），可以自動(dòng)提取文本病例中的特征，可以有效的學(xué)習(xí)病歷中的知識(shí)，同時(shí)可以高效地進(jìn)行診斷。

但是，AI不會(huì)也不可能代替醫(yī)生，即使機(jī)器在某方面比人強(qiáng)，但計(jì)算機(jī)畢竟是計(jì)算機(jī)，它的“思維”是人類訓(xùn)練出來的，無論是廣度和深度都將是有限的。還是有特例，最后還是需要人做決定。

同時(shí)， 英特爾醫(yī)療專家指出，全球有兩大趨勢(shì)成為醫(yī)療AI的巨大驅(qū)動(dòng)力。一是人口老齡化，中國(guó)尤其要面對(duì)這個(gè)趨勢(shì)：中國(guó)2020年將達(dá)到20%65歲以上老齡化人口。55歲以上的人群占用的醫(yī)療資源在50%以上。這樣的背景對(duì)人工智能的需求急劇上升。

二是慢性病的挑戰(zhàn)接踵而至。中國(guó)是慢性病問題比較嚴(yán)重的一個(gè)區(qū)域，中國(guó)的患病人口在全球也是領(lǐng)先的，這也需要智能醫(yī)療的解決方案。

可以說，這兩大趨勢(shì)使得中國(guó)或成為醫(yī)療AI最大市場(chǎng)。