醫師的困難在於，過去沒有AI這麼精細又先進的工具時，是照著舊工具去建立判斷和診療標準，現在整個翻新了。醫師要去更新原有知識、治療準則，成為醫界很大的挑戰，而且醫師的眼力也不見得完全沒問題。
這告訴我們，醫學上訂出的疾病診斷準則，可能也不完全精確，同一種病在不同人身上表現出來都會不太一樣，且醫師也可能因個人因素而偏差；加上疾病發病過程快慢有別，醫師往往只能以手邊的工具做最好的判斷，但這個判斷可能隨著時間與病情的進展來修正。
過去千年，醫師靠人腦的邏輯歸納寫下診斷標準，現在更需要用AI協助醫師「重新定義疾病」。許多治療守則都可能改寫，診斷更準、復原更快。
例如帕金森氏症，根據專家說，AI和醫師相比，目前AI準確度大約是8成。而AI到底從大量腦部影像中看到了什麼？它用什麼來下判斷？醫師在診察帕金森氏症的時候，基本上是以臨床症狀與身體評估為主；在腦影像分析上，一般最關心的是，能否在特定腦區看到一些病徵，這是地理上所說的「地點」（Site）。但是AI跳脫這個邏輯，看到的是整個大腦影像，這是「位置」（Location，與周圍發生關係），例如腦迴的曲折度、腦的結構、神經纖維之間的連結等說得出來的特徵，以及許多我們說不出來的特徵。
又在老化研究方面，我們希望透過人工智慧重新定義年齡、健康，用以前做不到的方式，對未來的健康提出更進階、精確的評估，並進一步透過這些預估結果，精準地改變我們的生活型態和習慣。
現在只要動動手指，就能上網讀到大量養生保健知識，但是有人教你多吃一點、有人教你少吃一點，有人教你多運動、有人教你少運動，訊息混雜，似乎都說得頭頭是道，讓人無所適從。有了AI，我們就可以算出做某件事到底對不對，會產生什麼健康效果，可以很即時地去調整自己的生活內容，當能做到這一步，每個人的生活將發生徹底的變革。
AI不太可能直接取代醫生。相反，AI系統將用於為專家突出潛在的惡性病變或危險的心臟模式，允許醫生專注於這些信號的解釋。隨著技術的發展和在更多工作場所的實施，許多人擔心他們的工作將被機器人或機器所取代。美國新聞工作人員（2018年）寫道，在不久的將來，使用AI的醫生將「贏得」那些沒有使用AI的醫生。AI不會取代醫護人員，而是讓他們有更多的時間進行床邊護理。AI可以避免衛生保健工作者精疲力竭和認知超負荷。總體而言，技術「延伸到實現社會目標，包括更高的安全水準、更好的時間和空間通信手段、更好的醫療保健和增強的自主性」。當我們將 AI 融入到實踐中時，可以加強對患者的護理，從而為所有人帶來更大的結果。
AI 技術與傳統醫療保健技術的區別是能夠獲取資訊、處理資訊，並賦予最終使用者明確定義的輸出。AI 通過機器學習演算法來實現這一點。這些演算法可以識別行為模式並創建自己的邏輯。為了減少誤差幅度，需要反復測試 AI 演算法。與健康相關的 AI 應用的主要目標是分析、預防或治療技術，與患者結果之間的關係。AI程式已經開發，並應用於診斷過程、治療方案開發、藥物開發、個人化藥物，以及患者監測和護理等實踐。
目前的研究，各種醫學專業已經顯示出有關AI的研究增加。如放射學、影像、遠端醫療和電子健康記錄。AI的使用預計將降低醫療成本，因為診斷將更精確，治療計畫有更好的預測，以及更多的疾病預防。已經有證據表明，使用聊天機器人在心理健康領域取得了積極的結果。AI 的其他未來用途包括腦與電腦介面（BCI），預計這些介面可以説明那些移動、說話或脊髓損傷有困難的人。BCI 將使用 AI 通過解碼神經啟動，來説明這些患者移動和通信。
總之，目前醫學人工智慧用於診斷、藥物開發、治療個人化和基因編輯。機器學習也在製藥和生物技術效率方面取得了巨大進步。
1. 診斷疾病
正確診斷疾病需要多年的醫學培訓。即便如此，診斷通常也是一個艱巨、耗時的過程。在許多領域，對專家的需求遠遠超過現有供應。這會使醫生感到緊張，並經常延誤挽救生命的病人診斷。機器學習 （尤其是深度學習演算法） 最近在自動診斷疾病方面，取得了巨大進步，使診斷更加便宜且更易於訪問。
2. 加速藥品開發
開發藥物是一個眾所周知的昂貴過程。通過機器學習，可以提高藥物開發過程中的許多分析過程的效率。這有可能削減多年的工作和數億的投資。
3. 個人化治療
不同的患者對藥物和治療計畫的反應不同。因此，個人化治療具有延長患者壽命的巨大潛力。但是很難確定哪些因素會影響治療的選擇。機器學習可以自動執行這一複雜的統計工作，並説明發現哪些特徵，表明患者對特定治療，會有特定的反應。因此，該演算法可以預測患者對特定治療的可能反應。且該系統通過交叉引用類似患者，並比較他們的治療和結果來瞭解這一點。由此產生的結果預測使醫生更容易設計正確的治療計畫。
4. 改進基因編輯
編輯人體基因，就是修改人體 DNA，主要動機是根治基因突變引發的疾病。基因編輯，可以從源頭下手，找到錯誤的 DNA 片段，用一把分子「剪刀」切開，剔除這個錯誤的基因，或是在缺口處「貼上」正確的 DNA 片段。過去基因突變引發的疾病，藥物無法根治，必須終身吃藥。現代的基因編輯技術，可以徹底根治基因缺陷，就像用文書軟體修改錯誤一樣：找到錯字（發現突變基因）、刪除錯字（剪下突變基因）、補上正確的字 （貼上正確基因）。
所以首先，必須要有一把精準、能夠剪開 DNA 雙螺旋的好剪刀，聚類定期間隔短音重複（Clustered Regularly Interspaced Short Palindromic Repeats，CRISPR）就是當前最好用的一把。這在成本高、有效地編輯DNA能力上的一大飛躍，就像外科醫生一樣。此技術依賴於短導RNA（sgRNA）來定位和編輯DNA上的特定位置。剪一種基因，設計組裝一把酵素剪刀。CRISPR 從頭到尾只用一把萬能酵素剪刀 Cas9，加上一條引導RNA，就能切割所有的DNA。目標基因換了，訂購一條RNA就好，不需要重新設計複雜的酵素，技術和價格門檻都非常低。
總結，AI已經説明為醫療作更有效地診斷疾病、開發藥物、個人化治療，甚至編輯基因。但這僅僅是個開始。醫療越是數位化和統一醫療資料，醫學就越能使用 AI來説明找到有價值的模式 ， 這些模式可用於在複雜的分析過程中做出準確、經濟高效的決策。
專欄屬作者個人意見，文責歸屬作者，本報提供意見交流平台，不代表本報立場。
