人工智能技术在医疗领域的应用有着很长的历史，提供了从大量医疗样本中自动提取统计特征、基于规则驱动和数据驱动的分析研判等能力。早期，以专家系统为代表，通过构建机器学习系统所需要的领域专业知识和人类工程来设计特征，将输入的原始数据转换成学习算法，从而实现针对特种疾病模式识别的合适表征。现今，基于深度学习的人工智能技术成为主流，输入原始数据后可以“自学习”得到模式识别所需的多层次表征，这些层次包含大量非线性运算并按顺序排列，实现处理结果的逐层传递（一个层次的表征输出传递到下一个层次作为输入），最终转换生成更加抽象的表征。此外，深度学习算法能够灵活地接受异构数据形式输入，贴合医疗数据特性，因此成为当前医疗人工智能技术点的主流方法。当前，人工智能技术在医疗领域的影响可以从人工智能技术对临床医生的影响、对患者的影响、对医疗信息系统的影响三方面来分析。

1）对临床医生的影响

人工智能技术对临床医生在执行疾病研判和医疗方案生成过程中的辅助决策作用，突出体现在对医疗影像（如医疗扫描结果、视网膜图像、内窥镜成像、面部／体貌特征等）的准确快速解读与研判方面，另外还体现在面向文本（如电子病历和医疗知识图谱等）的医疗知识管理与推理方面，这一现象符合深度学习技术在视频图像处理领域和文本处理领域中不同成熟度的客观规律。例如，在抗击新冠肺炎疫情的关键时期，多种新冠肺炎人工智能影像分析系统为一线赋能，辅助医生开展快速筛查诊治，尤其能够弥补基层医院相关疾病诊断经验不足、耗时长等问题，提升医院诊断准确率及效率。

2）对患者的影响(www.daowen.com)

通过智能可穿戴设备（如生物传感器等）、智能手机应用及远程即时医养模式，患者能够及时感知自身多模态健康状况并与医生实现互动（如远程病例分析等），进而提高健康管理水平及健康状况异常情况下的应激弹性，让患者将自身的医疗保障管理主动权“掌握在自己手中”。例如，通过智能手机采集患者日常手机使用行为以量化和预测抑郁症状。2020年2月，“新冠肺炎人工智能自测机器人”在学习强国平台上线，当用户出现相关不适症状、陷入“不就医怕耽搁病情、出门就医又担忧交叉感染”的两难处境时，可以使用该项人工智能技术进行初步自测。

3）对医疗信息系统的影响

这里所指的医疗信息系统既包括传统医院出／就诊管理信息系统、患者信息管理系统、药物管理系统、医用物资管理系统等，也包括新近研发的基于人工智能技术的智能电子病历系统及智能移动终端APP等。一方面，改善了工作流程，提升了工作效率；另一方面，这些系统内嵌的统计分析与自动归类功能模块可以及时提供不易观察到的规律性信息，很大程度上降低了发生医学错误的概率。