关于人工智能（AI）和机器学习在医疗保健中的价值和未来，已经发生了很多改变。该行业正在蓬勃发展。与在医疗保健市场中不断发展的区块链技术一样，人工智能和机器学习是需要一些短期期望管理的结构。尽管它们的功效和价值会随着时间的推移而提高，但它们并不是目前能够解决围绕美国医疗保健的众多护理和费用交付问题的灵丹妙药。由于篇幅所限，本专栏过于简单地考虑了AI。

作为本文的序言，我不是AI程序员，不玩Python，也从未构建过机器学习算法。就是说，我确实在医疗领域拥有30年的实践经验，并且在那时处理过信息技术（IT）系统和应用程序，例如从电子病历（EMR）系统中收集质量数据和结果，以及部署基础分析。我在IT方面也有相当广泛的背景。

撇开序言，去年，当随意散布区块链时，我建议由于医疗服务交付系统之间的巨大差异以及大量输入和变量，在医疗保健中扎实部署区块链技术将需要一些时间。区块链的使用/部署取决于具有共同商定数据集的针对性问题。通常，AI也可以这样说。就是说AI，机器学习和区块链不会在医疗保健的未来发挥作用吗？当然不是。我相信他们将发挥重要作用。但是，随着强大的IT产品面世，短期挑战将继续存在。需要AI，机器学习，区块链和其他尖端技术来促进护理的交付和协调，从“系统，”，并帮助确保可重复的质量结果。但是很少有技术是完美的，随着使用和可伸缩性的增长，大多数技术都需要时间才能发芽。

AI定义

为了本文的目的，我们应该阐明我们的定义。与远程医疗一样，人们经常互换使用远程医疗和远程医疗，许多人将AI和机器学习抛入同一桶。我在此建议，许多组件都属于AI范畴，包括机器学习。借助AI，机器可以模仿人类的认知功能。在这种情况下，人工智能包括机器学习，自然语言处理（NLP）和“推理”。在机器学习中，机器没有明确的指令，但可以推断并确定大块数据中的模式。“推理”是与规则结合的存储信息，可用于进行推理。NLP是自然人类语言的处理，分析，理解和生成。可以教机器学习和辨别项目。例如，可以部署编码来标识不同的叶子（不知道为什么要这么做-荒谬的例子）。每个叶子都有数据元素区分符，可帮助计算机“学习”叶子的类型。然后，随着时间的推移，计算机可以从例如枫叶中摘取橡树叶。但是，除非“告诉”这些项目是什么以及如何定义，否则计算机对此一无所知。输入必须是声音，并且必须使用背景知识和对当前潜在问题的理解（例如，橡树叶与枫叶之间的差异）来编写算法。

那可能就是麻烦。主题专家（SME）和数据科学家必须齐心协力来描述要解决的问题，所需的数据以及对算法的培养，以确保它们保持相关性。不良的计算机“培训”和不良的数据输入会导致不良和/或不正确的输出。