由 dawei 机器学习是人工智能的一种实践，它训练系统来学习并迭代地改进系统，而无需其他编程。本质上，计算机程序会获取数据，并且随着时间的流逝，可能会通过经验从信息中学习。使用训练数据的样本集，以便机器学习算法可以在没有其他编程的情况下建立预测。
用于检测和识别的机器学习
英国剑桥和伦敦帝国理工学院的研究创建了一种人工智能算法，该算法可以通过机器学习来检测和识别脑部病变。
基于神经网络的AI平台利用机器学习或预测分析。在引入了600多次CT扫描的样本数据集后，这些数据具有不同种类和大小的脑部病变，然后该工具就能够成功地识别出脑部病变。
这是一个非常整洁的应用程序，从理论上讲，它可以允许更简化的过程来识别医疗状况。
但是，医学上的人工智能远不止于此。
斯坦福大学的研究发现，深度学习算法被证明可以像人类皮肤科医生一样准确地识别患者的皮肤癌。该项目是使用Google创建的算法构建的，该算法经过训练可以识别1000多种不同类别中的100万张图像。接下来是创建皮肤癌数据集，该数据集可用于进一步训练AI应用程序。
最终，皮肤癌数据集由超过120000个皮肤病变图片组成，这些图片显示了2000多种不同的疾病。然后，在近400张图片中测试了皮肤科医生对癌变和非癌变异常的识别能力。令人印象深刻的是，AI算法能够以与人类同行相同的准确性来识别皮肤癌。
人工智能在医疗保健方面的好处
人工智能可以应用于医疗目的，例如识别皮肤癌或脑部病变，开辟了几种不同的可能性。
首先，有速度。与能够在更短的时间内处理数据的机器学习算法相比，可能需要花费大量训练的专业时间来分析医学数据。还有扩展能力，因为AI在分析方面比人类快。这意味着，与医学专业人员相比，人工智能的医学应用可以在更短的时间内检查更多的患者数据。
而且，由于AI分析平台可以带来更好的家庭护理。随着智能手机和移动设备的功能越来越强大，智能手机应用程序可能能够诊断各种医疗状况。
随着远程医疗和远程医疗变得越来越普及，并且通过使用可穿戴设备使患者监控变得更加容易，预测分析可以识别出人类无法识别的各种细微变化。 AI的电子健康记录(EHR)预测模型甚至能够预测患者的疾病和治疗过程。
当应用于药物时，人工试图增加而不是替代人类成分。例如，AI程序可以用作疾病识别的手段。然后，医生可能会专注于治疗，而不是花费大量时间进行诊断。预测分析可以带来见识，并可用于预防保健。
AI医生-医学人工智能
可以出于医疗目的将人工智能投入实践的方法有很多。可以训练AI算法来识别不同的疾病。可以分析来自可穿戴设备的数据，人工智能平台可以监视实时数据中是否存在异常，或者出现可用于识别预防医学风险因素的模式。