卫生保健在数据失调方面陷入困境。收缴与使用之间的根本失衡在整个系统和地缘政治边界中持续存在。数据收集一直是一项全力以赴的工作，目的是要有良好的意图，但结果不足以将数据变成行动。经过十多年的努力，人们的看法是数据不一致，混乱且不可信。世界上最先进的卫生系统对其所积累的内容仍然感到困惑：大量数据没有明确的影响途径。人工智能(AI)可以穿透潜伏者，清除噪声，并在现有数据中发现任何人或其他技术无法承受的意义。

AI是具有适应能力和学习能力的技术或机器的术语。这是数据驱动，能够衡量可用数据并执行操作或改变主意的基本含义。机器学习是AI的核心-教机器从数据中学习，而不是像过去的机器那样需要硬编码的规则。

没有哪个领域比医疗保健更值得有意义的人工智能了。可以说，医疗保健是地球上最复杂的行业，它与科学，商业，政治和人类行为的发展息息相关。这些影响推动和拉动了永恒的矛盾。

卫生保健(尤其是心理学)是机器学习的母亲。1949年，Donald Hebb博士undefined创建了脑细胞相互作用或“突触可塑性”的模型，该模型形成了当今遍布AI的人工神经网络的祖先体系结构。解释人类行为的数学已成为模仿和超越人类智力的数学。人工智能现在正处于重返医疗领域的绝境。

为了实现大规模的影响，必须在世界上最先进和最不先进的卫生系统中部署机器学习。任何体面的技术都应在学术界和技术巨头的原始数据环境之外保持弹性。AI可以从数据的许多维度(照片，自然语言，表格数据，卫星图像)中学习，并且可以适应并从可用数据中学习。适应能力是定义AI的要素。最好的AI旨在解决复杂的问题，而不是解决衣柜的偏好。现在是将AI引入医疗保健的时候了。

是我们时代最大的全球危机：对我们社会的经济和心理健康的直接健康挑战和持续时间未知的挑战。数据驱动决策的缺乏以及自适应和预测技术的缺乏延长了并加剧了的损失。这些技术的采用将帮助我们重建健康和社会。人工智能已经为响应和医疗保健的加速发展打造了新的解决方案。麻省理工学院针对传输速率的机器学习模型产生了惊人的精度，在某些情况下undefined将错误率降低70%。纽约市Sanai的研究人员已经证明，通过将AI模型与胸部计算机断层扫描(CT)，临床症状，接触史和治疗相结合，可以将测试从两天减少到几乎即时。undefined实验室测试-减少误报错误。与测试套件不同，AI模型可以立即传播给新用户，生产上不受限制，并且不需要额外的培训和补充设备。