1、医疗影响，辅助看片，CT识别，疾病筛查

1）医生资源是稀缺的，利用医生的专家经验对ct片子进行标注，通过深度学习网络进行训练，训练的算法模型可以用于推理分析；

可以用作疾病筛选，辅助医疗；既可以降低医生的工作量，提高初级医生的看病水平；又可以培养初级医生。

这次疫情很多科技公司推出了肺部CT AI识别算法，进行新冠肺炎的筛查；医院上了肺CT的辅助筛选系统，可以快速给出筛查判断。

2、辅助诊疗

利用文本识别、自然语言处理和知识图谱，将各种临床电子病例和处方进行自然语言处理提取特征知识，叠加各种医学资料，医学教材、医学指南，建立知识图谱模型；

再加上语音识别、语音合成，就可以实现线上进行语音交互问诊，通过自然语言处理理解语义，可以给予治疗方案的建议，起到辅助诊疗；

这次疫情很多医院开通了线上免费诊断，这个是完全可以实现机器人自动辅助诊疗的；

他的好处是是可以反复训练，人工智能算法会越用越聪明。

3、中医问诊仪

1）把脉仪器

通过传感器采集脉搏数据，利用人工智能算法多脉搏数据进行分析，推理疾病的可能情况；

2）看面相仪

利用机器视觉，通过专业医生图片标注，进行深度学习模型训练，可以进行辅助中医治疗；

3）看舌苔仪

利用机器视觉，通过专业医生图片标注，进行深度学习模型训练，可以进行辅助中医治疗；

结合以上三个方面给出推理诊断，给出治疗方案和预开处方单，供中医师参考；医生再进行望闻问切的诊疗，参考人工智能的诊疗结果；用来核对。两方面的信息可以不断补充核对，进一步训练人工智能模型，提高准确率。

价值

1）预检测，提高医生效率，提高诊疗的准确性；

2）培养年轻中医，刚毕业没经验的中医学生，可以利用这个仪器来培养锻炼；

3）反复训练，可以培养人工智能算法模型的准确度，可以代替医生进行辅助治疗和开处方单。

4、分诊机器人

病人去医院挂号往往不知道挂什么科，利用上面训练的人工智能医疗知识图谱，结合语音交互，通过询问病人的症状描述，给出挂号建议和进行预约挂号；

5、电子病例写作辅助和质量监测

在医生问诊过程中，核查问诊内容，提醒医生全面问诊，给出疾病的诊断核查，治疗方案和治疗处方的核查，按照病例的质量规范，核查电子病历。

6、流行病学分析

当涉及传染病时，预防，监测和快速反应的努力可以大大减缓疫情的爆发或延缓疾病的爆发。越来越多的科学家正在开发使用人工智能(AI)来预测传染病蔓延的方法。尽管该过程非常复杂，但是成功实施预测模型可能代表着在消除世界上最隐蔽的传染病的斗争中的重大飞跃。

这次疫情也看到了世界各国都有研究团队在研究传染模型，计算感染数量和有效干预方案产生的效果。

7、慢病管理

利用智能健康监测硬件，监控血糖、血脂、血压、血氧、脉搏、呼吸等重要的生命体征数据，通过大数据和人工智能模型算法；给出、保健、护理、饮食、治疗的建议方案和人为干预措施；提前进行预防。

8、研发创新药

新药研发风险大、周期长、成本高。国际上一般有“双十”的说法：10年时间，10亿美金投入，才能成功研发出一款新药。

常规的新药研发模式是，随着一个潜在药靶被发现，新药研发工作者通常利用高通量筛选（HTS）的方式来发现苗头化合物（“hit”）。它由机器人自动完成，通过在同一时间进行数以百万计的试验，找出最有潜力达到目标的化合物，提高药物发现的“hit”几率。“hit”一般会先经历hit评估，选择质量较高的hits进行结构改造，使之优化成为先导化合物，然后再进一步深入优化各种性质，成为PCC（临床前候选药物），为进入临床前开发做好准备。

人工智能可以应用在药物开发的不同环节，包括虚拟筛选苗头化合物、新药合成路线设计、药物有效性及安全性预测、药物理化性质（包括水溶性）预测、晶型预测、药物分子设计、筛选生物标志物、研究新型组合疗法等。

目前业界尝试利用人工智能开发虚拟筛选技术，以取代或增强传统的高通量筛选(HTS)过程，并提高筛选的速度和成功率。2016年，由加利福尼亚大学旧金山分校（UCSF）的计算化学家Brian Shoichet领衔的小组，运用虚拟筛选技术筛选了300多万种市售化合物，结果找到了可选择性激活μ-**受体信号减轻疼痛，但不干扰紧密相关的β-arrestin信号通路（通常认为与**类药物的便秘和呼吸减慢的副作用有关）的候选分子。

人工智能技术可以大大提升化合物合成路线设计的效率。应用深层神经网络及人工智能算法，来规划新的化学合成路线。比传统的计算机辅助合成路线设计加快了近30倍。

9、基因研究

早期阶段，谷歌公司的alphafold就是致力于这个方向，人工智能、基因检测和深度检查结合，成千上万人将在患病之前接受深度检查，由人工智能给出你的生命预测。将可以治疗各种疾病。