1956年达特茅斯会议上首次提出人工智能的概念，并且在该次会议上确立了“人工智能”的概念，即让机器像人那样认知、思考和学习，用计算机模拟人的智能。而人工智能领域的专家们也悉数被后入所熟知：约翰麦卡锡（斯坦福大学）、马文明斯基（麻省理工学院）、赫伯特西蒙和艾伦纽厄尔（卡耐基梅隆大学）、罗切斯特（IBM）、克劳德香农（信息论）。
人工智能目前在国内还不算深入医疗市场，但是它在全球的研究投入已经很精细化。人工智能用于医疗领域的几大优势：1. 可以提高医疗诊断的准确率与效率 2.提高患者自诊比例，降低患者对医生的需求量 3.辅助医生进行病变检测，实现疾病早期筛查 4.大幅度提高新药研发效率，降低制药时间与成本。这期间，就可以划分在四个应用层次上，即疾病预测，辅助诊断，医院管理，新药发现，药物定价策略。
这里看到一个熟悉但原不知背后故事的案例：安吉丽娜朱莉是因为有基因缺陷，罹患乳腺癌和卵巢癌风险很高，所以从疾病风险预测的角度做了双侧乳腺切除手术，以降低患癌风险。人工智能对于疾病筛查与预测是从人的行为、影像、生化检查结果中进行判断的，这其中人工智能与影像领域的结合现成的发展最好，企业、产品很多，涉及病种最多的疾病诊断。有如下几个例子帮助了解：
1.精神疾病诊断
研究人员根据精神分裂症患者的语言特征制作了一个人工智能模型，通过分析谈话记录，准确预测哪一组人可能患精神错乱（精神分裂症主要症状）。同理，对于抑郁症、创伤后应激障碍等精神健康受损的人群，常规心理诊疗是很难诊断出疾病种类的。而产后妈妈是非常希望了解自己情绪变化的，一旦有了产后抑郁症发作风险分层模型的建立，那对于目标人群是很有帮助的。
2.自闭症筛查
筛查方式是在家长在手机中填写孩子的基本信息，然后根据孩子的具体情况回答15-20个和他们行为相关的问题，最后生成报告。问卷的可靠性基于多年临床对于超10万名的自闭症儿童的患病情况进行跟踪研究。
3.阿尔兹海默症预测
医学诊断该病病情程度的生物指标主要有两个：一、海马体的大小；二、脑室的大小，脑室体积会随着脑组织退化而增大。研究人员会通过细致地研究大脑灰质和白质的变化、脑脊液的情况，观察大脑从轻微认知损害发展成阿尔兹海默症的过程中，这些物质它们有怎样的改变。
4.脑疝预测
大面积脑梗死，它的发病人数约占所有脑梗死患者的10%，而且死亡率达80%。大面积脑梗死患者的转归预测基于人工智能系统建立模型来做好预后工作。
5.慢性肾病
慢性肾病早期无明显症状，很容易被忽略，大多数患者就诊时已经是恶化程度。研究人员基于人工智能对肾小球过滤进行过预测，通过BP神经网络构造预期模型，最终构建良好的慢性肾病分型预警模型。
6.心脏病死亡预测
研究人员录入256名心脏病患者的心脏核磁共振扫描结果和血液测试结果，并记录下每次心跳结果，根据这些数据，再结合患者8年的健康史，就可以预测哪些异常状况会导致患者的死亡。
7骨关节炎发展预测
骨关节炎是关节软骨退化造成的骨损伤或关节边缘的反应性增生。在MRI影像下，正常人的软骨上的水是均匀发布的，而患者的是部分区域的水的聚集。人工智能学习下，就发现正常人的软骨中异常点，从而预测未来三年患病概率。
前些年中国的产业巨头大多停留在组建人工智能研究员的模式上，这几年，他们开始应用于制药和医疗器械行业。我国人工智能学术研究世界领先，处于全球第一梯队。但是在研发上，基础理论，核心算法，关键设备，高端芯片，重大产品和系统方面的原始创新成果还比较少，人才储备也远远不够，在生态圈和产业链上没有形成国际影响力，在创业方面，也是研究领域和数量远远不足美国。
