超声心动图通过声波描绘心脏的图像，心脏病专家可以通过该图像确定患者是否患有心脏病。这是一项标准测试，用于检查患者的中央器官的瓣膜或腔室是否有问题，是否有先天性心脏缺陷，或者气短或胸痛是否与心脏有关。

加州塞达斯西奈山心脏研究所和人工智能医学部门的研究人员在这一领域有突出成就。该研究所报告说，在评估和诊断心脏功能方面，人工智能（AI）被证明比超声心动图医生的表现更出色。在这项首次、随机的盲试中，心脏病专家评估了3,495份经胸超声心动图研究，并比较了人工智能或超声心动图医生的初始评估。其中一个主要发现是，心脏病专家更认可人工智能的评估结果。例如，专家们只纠正了16.8%的人工智能的初步评估，却纠正了27.2%的超声心动图医生的人工评估。

当然，这并不是AI在心脏病学中的首个应用。早些时候，加州大学旧金山分校的助理教授和执业心脏病专家Rima Arnaut和她的同事就已经使用深度学习来训练一个AI系统，该系统可以根据显示的视图类型对超声心动图进行分类。当人工智能和心脏病专家被同时要求对图像进行分类时，算法的准确率达到了92%，而人类的正确率却只有79%。

此外，AI算法不仅在图像分类方面胜过医生，而且在根据各种因素预测结果方面也表现优越。英国诺丁汉大学的研究人员创建了一个系统，通过扫描和分析病人的常规医疗数据，来预测他们中哪些人会在10年内发作心脏病发作或中风。与基于公认的风险因素（如高血压、胆固醇、年龄、吸烟和糖尿病）的标准预测方法相比，该人工智能系统准确地预测了355名患者的命运。

根据世界卫生组织的统计数据，目前，全球每年约新增150万非黑色素瘤皮肤癌和32.5万黑色素瘤皮肤癌患者。数字健康技术，如SkinVision等智能手机应用程序、远程医疗服务以及人工智能，正被应用于对抗这种广泛流行的疾病的前线。

尽管几个研究小组已经开发了诊断皮肤癌的智能算法，但斯坦福大学创建的算法可能是迄今为止最强大的系统。该算法在超过128万张图像上进行了训练，并通过一组来自2000多种疾病的近13万张皮肤病变扫描图进行了微调。这是迄今为止用于皮肤癌自动分类的最广泛的数据集。

斯坦福大学的研究人员训练了一个人工智能系统，以增加在需要时准确接受生命晚期护理的住院病人的数量——这意味着这个智能算法能够预测非常严重的病人何时接近生命的终点。

该算法经过训练，以分析病人去世前3至12个月期间电子健康记录中的诊断、处方、人口统计和其他因素。一旦经过训练，该算法就能在医院的系统中标出仍然活着的病人，这些病人可能是姑息治疗的合适人选。

当斯坦福医院的姑息治疗团队评估了50名被算法标记为非常高风险的随机选择的病人时，该团队发现所有这些人都适合被转诊。除了能够准确预测，该程序还将决策权完全交给了医生。这可能是算法和医生作为一个团队一起工作的未来模式。