人工智慧（AI）在醫療上的應用有許多讓人振奮的發現。許多人工智慧的技術不斷的被推出，AI幫助醫療產業的工作者簡化行政流程，以及臨床上的照護工作。根據風險投資公司Rock Health的資料，2011年至2017年期間，121家健康人工智慧和機器學習公司在206件交易中籌得了27億美元。
健康AI領域相當廣泛，它涵蓋了從保健、到診斷、到運營技術，但是它也可以很窄，因為AI常只執行一項任務。Kalis et al調查了10種有前景的人工智慧應用，發現到2026年，AI每年可為美國醫療保健節省高達1500億美元。
Kalis et al依照AI被應用的可能性，找出特定的AI應用，以及他們每年可能節省的金額。他們發現人工智慧目前在幫助一線臨床醫生提高工作效率和提高後端流程效率方面創造了最大的價值，但尚未做出臨床決策或改善臨床結果。臨床應用仍然很少見。
他們舉一些照護前線的例子來看，AI可以快速的協助放射科醫師評估特定的異常，這證明了其提高圖像分析效率的能力。2011年，來自紐約大學Langone Health的研究人員發現，這種類型的自動分析能夠找到並匹配特定肺結節（在胸部CT圖像上），比一組放射科醫師快62％至97％。Kalis et al的研究結果說明，通過AI應用，讓放射科醫師有更多時間專注於需要詮釋或判斷的工作，而這種AI的圖像分析效率的採用，可以每年節省30億美元。
另外一個領域是AI輔助機器人手術。在骨科手術中，一種AI輔助機器人技術可以分析術前醫療記錄的資料，以便在手術過程中即時引導外科醫生的器械。它還可以使用實際手術經驗的資料來提供新的手術技術資訊。一項針對9個手術部位的379名骨科患者的研究發現，與外科醫生單獨手術相比，Mazor Robotics創建的AI輔助機器人技術使手術併發症減少了五倍。在AI適當應用于骨科手術時，分析發現，AI輔助機器人手術可以縮短患者手術後住院時間21％，因為併發症和錯誤更少，每年可節省400億美元。
人工智慧技術也被應用於昂貴的劑量錯誤的問題上。Kalis et al的分析發現人工智慧可以節省160億美元。2016年，加州的一項突破性試驗發現，在AI的幫助下開發的數學公式可以正確的計算器官移植患者的免疫抑制劑劑量，而這傳統上需要依靠指引與訓練過的猜測加以結合來計算，並且劑量的錯誤占可預防的錯誤高達37%。雖然這種類型的AI技術是新生的，但是有力的應用，因為考慮到正確的劑量對於確保器官移植者不發生排斥是相當關鍵的因素。
使用人工智慧來幫助臨床判斷或診斷仍處於起步階段，但新興出現的一些結果卻說明這種可能性。 2017年，史丹佛大學的一個小組測試了21名皮膚科醫生針對皮膚癌識別力的AI演算法。正如去年Nature報導的那樣，臨床研究結果“與所有經過測試的專家相比，表現出與所有測試專家相當的水準......證明AI將皮膚癌分類的能力與皮膚科醫生相當。而這個研究結果顯示，如果AI在患者進入急診室之前進行初步診斷，每年可能可以節省50億美元。
Kalis et al也開始看到人工智慧虛擬助理護士在幫助患者方面的潛能。例如，Sensely的“Molly”是UCSF和英國NHS使用于與患者互動的人工智慧護士，Molly與病人的互動包括詢問健康問題、評估他們的症狀，以及指引他們到最有效的照護機構。Kalis et al 的研究估計人工智慧護理助手可以透過節省護士20%在患者維護任務上時間，每年可節省200億美元。
人工智慧也有望協助醫療保健行業管理代價高昂的後臺問題和低效率。與患者照護無關的活動消耗了護士工作量的一半以上（51％）和近五分之一（16％）的醫生活動。基於AI的技術（例如語音到文本的轉錄）可以改善管理工作流程並消除耗時的非病人照護活動，例如寫病歷，開處方和開立檢驗醫囑等。他們估計這些應用每年可為醫療產業節省180億美元。
以Beth Israel Deaconess醫療中心應用AI為例，當他們引進人工智慧癌症篩查計畫時引起廣泛的注意。但是他們首次涉足人工智慧的經驗卻是平淡無奇。當時，他們利用機器學習開發了一個應用程式，用以預測哪些患者可能爽約，或是沒有接受治療，因此他們可以靠這個分析提前進行預防行動。
對醫療保健組織和保險公司而言，錯誤和欺詐也是同樣昂貴的問題。詐領的檢查傳統上依賴資訊化（以規則為基礎）和醫療申報的人工審查的組合。這是一個耗時的過程，取決於能夠在事件發生後快速發現異常以進行介入。健康保險公司正在考驗人工智慧所支持的資料採擷，再加上人工智慧的神經網路（類比人類大腦的過程，但速度要快得多），以探索醫療保險申報與保險詐領相關的模式。Kalis et al估計，通過提高Medicare申報中詐領檢測的速度和準確性，AI可以每年節省170億美元。
除了欺詐活動之外，過去幾年中一連串的資訊洩露事件，例如WannaCry或Petya，使網路安全成為醫療機構的主要關注點。據估計，醫療照護產業中這類的異常是件使機構在平均每個患者上花費了380美元。使用AI監控和偵測機構所有資料的異常交換，可以經由減少健康記錄的異常，而每年節省20億美元。
隨著人工智慧技術變得越來越普遍，醫療機構將不得不投資那些能帶來最大價值的產品。將AI應用在臨床判斷仍處於起步階段，需要時間進行有意義的的紮根工作。但是，今日已能夠提供最大價值的AI應用程式（如:AI輔助手術，虛擬護士，行政工作流程）應該優先考慮並投入，如此醫療提供者和保險公司才可以更聚焦於提供更好的照護。
資料來源
Kalis, Brian., Collier, Matt., Fu, Richard “10 Promising AI Applications in Health Care” MAY 10, 2018 Harvard Business Review