对于医疗专业人员而言，新技术可以改变他们的工作方式，实现更准确的诊断并提升护理服务。对于患者而言，医疗创新减轻了痛苦并挽救了生命。

深度学习可以应用于医疗的各个阶段，创造出医生和患者都可以利用的工具，以提高护理标准和生活质量。

从拨打紧急呼叫电话，到主治医师在年度体检时提出建议，病患护理是一系列关键选择。其中的挑战是尽可能快速、有效地为患者提供正确的治疗。

根据2018年《柳叶刀》（The Lancet）杂志的一项研究，世界上近一半的国家和地区每1000人中只有不到一名医生，这仅仅达到了优质医疗服务门槛值的三分之一。同时，随着医疗数据的数字化，医疗服务提供者收集和参考的信息量正在增长。

在重症监护室，这些因素表现得尤其明显——它需要全天候关注的患者；需要解读的大规模、连续数据反馈；并且需要快速、准确的决策。

麻省理工学院计算机科学与人工智能实验室的研究人员开发了一种名为ICU Intervene的深度学习工具，该工具使用每小时生命体征测量，可提前8小时预测患者是否需要治疗，以帮助他们的呼吸，或通过输血或干预来改善心脏功能。

总部位于丹麦的创业公司Corti正在进行另一项“与时间赛跑”的互动——与紧急救援服务通话。该公司正在使用NVIDIA Jetson TX2模块分析紧急呼叫音频，并帮助调度员在一分钟内识别心脏骤停案例。
 

LexiconAI是NVIDIA 初创加速计划的成员，正在帮助医生更好地关注病人。该创业公司构建了一个移动应用程序，使用语音识别功能从医患对话中捕获医疗信息，从而自动填写电子健康记录。

每年，数百万次医学扫描和数以百万计的组织活检正在发生。在病理学家长期借助物理载玻片来分析标本并进行诊断的同时，越来越多的医疗机构正在通过扫描这些载玻片来创建数字病理学数据集。

初创公司Proscia使用深度学习技术来分析这些数字标本，对三种常见皮肤病变进行分类，准确率超过99％。根据疾病的类型和阶段进行诊断，即便是观察相同组织的两位病理学家也可能会经常产生不同意见。而使用AI可以帮助其标准化诊断。

另一家初创公司SigTuple开发了一种用于分析血液和体液的AI显微镜。借助于显微镜扫描镜头下的物理标本，并使用GPU加速的深度学习分析SigTuple云端AI平台或显微镜本身的数字图像。

与自动将载玻片转换为数字图像并解释结果的扫描仪相比，SigTuple的显微镜只需花费很少的成本。该公司希望其工具能够解决全球病理学家普遍面临的短缺问题。

一系列人工智能工具正在处于开发过程中，借助这些工具，人们可以在疾病显现出症状之前的几个月就检测出疾病的风险因素。这些将有助于医生做出早期诊断，进行长寿研究或采取预防措施。利用深度学习模型在大型数据集中发现模式的能力，这些工具可以从电子健康记录、物理特征或遗传信息中提取见解。

Face2Gene是一个移动应用程序，可以借助面部识别和AI技术，通过患者面部照片中识别出大约50种已知的遗传综合症。它被全世界大约70％的遗传学家使用，可以帮助减少准确诊断所需的时间。

由纽约大学研究人员开发的另一种深度学习工具，可以分析实验室测试、X光片和医生笔记，以预测心力衰竭、严重肾脏疾病和肝脏问题等疾病，比传统方法快三个月。

借助人工智能和广泛的电子健康记录，研究人员可以在数百种可预测糖尿病等疾病的健康测量中建立新的联系。

通过可穿戴设备、智能手机和物联网设备，我们可以随时随地监控健康状况。

例如，一项名为SpiroCall的服务使患者可以通过呼叫智能手机来检查肺功能，方法是拨打免费电话号码或在应用程序上录制声音文件。数据被发送到中央服务器，该服务器使用深度学习模型来评估肺部健康状况。

对于有可能在运动场上遭受脑震荡的运动员，人工智能应用正在使用智能手机相机来分析运动员的瞳孔对光线的反应，这是医疗专业人员用于诊断脑损伤的指标。

在心理健康领域，加拿大初创公司Aifred Health正在使用GPU加速的深度学习来更好地为个体患者量身定制抑郁症治疗方法。综合患者症状、人口统计学和医学检查结果的数据，神经网络可以帮助医生开出治疗方案。

全世界有十亿人经历过某种形式的残疾。人工智能技术可以为其中一些人提供更高水平的独立性，使其更容易执行日常任务。

Aira是初创加速计划的成员之一，它创建了一个连接智能眼镜的人工智能平台，帮助视力受损的人阅读药瓶上的标签等。俄亥俄州立大学的一位教授正在使用GPU和深度学习来创建助听器，可以在滤除背景噪音的同时提高语音音量。

俄勒冈州立大学和非营利性研究机构Battelle的研究人员正在开发一种由神经网络驱动的脑机接口，可以读取想法并恢复肢体瘫痪的运动。

佐治亚理工学院的一支团队开发了一种AI假肢手臂，帮助爵士音乐家Jason Barnes五年来第一次弹钢琴。假肢手臂使用肌电图传感器识别肌肉运动并允许单独的手指控制。