眾所周知，由于數字革命，數字技術解放了廣大醫生、護士和研究人員，醫護工作者可以將更多的精力放在更高層次的認知任務和患者護理上，而人工智能的使用，勢必將此提升到新的水平。
隨著人工智能技術不斷進步，它有望在三個關鍵領域增強人類的思維力量：高級計算、統計分析和假設生成。這三個領域對應于AI發展過程中的三波浪潮，以醫療領域為例：
第一波AI：評估心臟疾病風險
AI的第一波浪潮在“知識工程”技術和優化軟件方面，找到了解決現實世界問題的高效方案，比如包括提高效率的調度平臺或基于互聯網的稅收申報產品。
第一波AI技術已通過一些方式運用于醫療界。比如，弗雷明漢風險評分計算器使用AI來評估患者的心臟疾病風險。然而，現在有許多機會來擴大這項技術在醫療行業的應用范圍。
第二波AI：臨床決策支持系統等
第二波AI浪潮的特點是機器學習軟件利用統計概率分析來進行先進的模式識別。相比第一波AI，第二波AI具有感知和學習能力，有時比人類更勝一籌。
這種不斷發展的模式識別技術已經運用于醫學領域的“臨床決策支持系統”以及用于分析和評估基因檢測結果、視網膜掃描和超聲波心動圖的其他軟件，不過仍有改進的空間：這些軟件仍無法完全取代人類評估，因為它們深度解釋數據的能力無法與人類媲美。
第二波AI技術依賴干凈、合理編碼的數據集來學習。所以雖然學習和感知能力已達到了非常出色的程度，但獲取足夠干凈或全面的數據集的能力依然有限。
第三波AI：醫學研究
世界正進入AI的第三股浪潮：軟件對各種數據的上下文進行規范化，以便生成新的假設。這些技術能夠檢查龐大數據集，識別統計模式，并創建算法來解釋模式。
第三波AI的巨大潛力在于能夠增加進行合理分析的數據量。這些軟件對各個數據點的上下文進行規范化，以此識別之前無關聯的數據點之間的聯系。這樣一來，可以在眾多醫療場景下同時生成和測試新假設。
就拿像強生這樣的醫療公司來說，它們已開始投入于高級AI軟件以獲得競爭優勢。這類技術帶動了重大的科學發現，包括魚油與雷諾病之間的關聯。
第三波AI在改變游戲規則，因為它有望使任何重復性的手動任務實現自動化。它可以學習并解釋復雜的統計模式，還可以向人類傳授它學到的東西。這種技術要充分發揮功能還有一段路要走，但潛力巨大。
未來的AI：解放醫生，讓更多人獲得高質量、高效率醫療服務
就算出現了第三波AI，計算機也不太可能在不遠的將來取代醫生的診斷角色。比如說，AI軟件的局限性仍太強，僅限于通過綜合表象癥狀（比如熱度、顏色、氣味、疼痛程度和流膿）來評估傷口感染。
然而，AI現在已足夠先進，可以使醫生處理的許多乏味的重復性任務實現自動化。比如說，它可以縮短分析細菌標本所需的時間，推薦合適的抗生素處方藥。這讓醫生有更多的時間和精力去執行更高層次的任務，比如患者教育和臨床評估。
AI技術在醫療界的潛在應用非常廣泛，又令人興奮。醫療服務機構在探索將AI軟件運用于保險核實、皮膚癌診斷、檢驗結果分析以及病歷數據分析。我們現在才開始探索醫療創新的深度，不斷進步的AI技術有望為此創造條件。
隨著AI應用軟件日益與醫療界整合起來，越來越多的人將獲得高質量、高效率的醫療服務。
延伸：
醫療界必須學會更好地將重復性的、低層次的認知功能委派出去，好讓醫療專業人員將更多精力集中在更高層次的思考上。為了明白這個要求，不妨先看一下.C.R. Licklider 在1960年的論文《人機共生》中提到的一段內容：
“我的‘思考’時間大約85%花在了思考、做出決定以及學習需要了解的東西上。花在尋找或獲取信息的時間比消化吸收信息的時間多得多......需要幾小時的計算才能將數據轉化為可比較的形式。數據呈現可比較的形式后，只要幾秒鐘就可以確定我需要知道的內容。”
Herbert A. Simon在發明有限理性（bounded rationality）這個短語時提出了類似的想法。其想法是，如果人們獲得有限、相關的信息，并有足夠的時間來處理信息，則會做出最好的決策。
計算機讓我們得以優化決策能力，因為它讓我們更容易獲取與決策密切相關的信息，同時挑出毫不相關的事實或數據。現在人類花在試圖決定分析什么信息上的時間較少，可以花更多的時間運用我們思維更高層次的計算能力來處理出現在面前的信息。（轉載自HC3i中國數字醫療網）
