人工智能固然會代替許多事情，但同時也會成為各行各業的助手，以數據為基礎進步決議計劃精確性。人工智能在醫療上的利用也是一大商機，曩昔在科學家盡力下，人工智能曾經可從醫療影象發明多種疾病，包含乳腺癌、皮膚癌、眼科疾病等，如今研討人員練習機械進修透過心電圖辨認心律不整，成果表現比專家還好。
麻省理工科技批評(MIT Technology Review)報道，斯坦福大學人工智能試驗室主任吳恩達(Andrew Ng)表現，此次最大沖破是讓人工智能透過圖象以外的其餘情勢材料，如心電圖來診斷病情。
心律不整會招致包含心髒猝死等嚴重的效果，但卻很難事前覺察，以是病人必要配戴數周光陰，但即使如此大夫也很難差別良性與必要醫治的心律不整。
斯坦福大學的研究團隊專注於訓練機器學習算法，從心電圖中識別不同形式的不規則心跳症狀。研討人員與臨盆可穿著式心電圖裝備的廠商 iRhythm 互助，從分歧情勢的心律不整患者網絡 3 萬個 30 秒的心電圖剪輯，為了評價演算法的精確度，研討團隊利用演算法斷定 300 個未確定的心電圖剪輯，與 5 名心髒病專家的斷定停止比擬，別的還找 3 位心髒病專家小組供給認定。
機器深度學習將提供大量的數據到大型模擬神經網絡，和微調參數，直到准確識別問題心電信號，該方法已證明在識別圖像和音頻，並表現比人類更好，學術界已經開始開發圖像識別和聲音識別系統。微軟研討院與麻省理工學院另有密西根大學，都在利用機械進修來偵測心律不整疾病。
機器學習可以透過梳理大量不同的數據來發現疾病的痕跡。但是報告認為，人工智能在醫療應用中最關鍵的挑戰是讓醫生和病人相信，算法太複雜，難以理解，所以找到簡單的方法來解釋它們，這對於建立信任和改善治療非常重要。
吳恩達覺得人工智能動員的醫療反動行將到來，固然要讓算法歸入衛生保健體系的事情還必要許多盡力，但他相信 10 年後的醫療保健將會利用更多人工智能，而且作法會與如今看到的異常分歧。
