在今天的医疗保健中，人工智能最常见的用途是依次搜索、分类和推理。
IBM Watson Health医疗和生命科学研究副总裁Ajay Royyuru表示，“人工智能能够利用文本分析和自然语言处理等技术摄取大量数据。这样，人工智能系统就能够探测到数据中的模式和相似之处，从而为临床医生和科学家提供新的见解。一个系统不仅可以起到识别的作用，而且可以根据其训练的参数提出建议或建议。”
进入2018年，从事AI工作的医疗保健专业人员将面临许多挑战。目前在其组织的人工智能项目方面的专家指出了许多需要人类克服的情况。
Geisinger Health正在从事一些机器学习项目，企业架构的业务架构师Elizabeth Clements表示2018年医院和医疗系统从事人工智能工作面临的一个主要挑战，那就是在面临多重竞争的IT优先项目时，优先考虑机器学习项目的发展。
她解释说：“我们的IT和分析部门通常很难找到带宽来开发这些更尖端的解决方案，而不仅仅是研发。”
“机器学习的美妙之处在于它的效用可以通过使用开源应用程序的最小、最补救的用例来说明问题。如果一个小团队能够取得成功，未来的资金和优先级可能就可以提供，这些团队只需要确定一个基本的方法来开始工作。”
医学博士Vibin Roy是Parkland临床创新中心的医学主任。 Parkland中心开发、验证并实施了一个自动化的、实时的，由AI支持的预警系统模型，用于预测重症监护病房非计划转移或ICU外心肺骤停的风险。自动化模型胜过非自动化模型和临床医生的独立观察，有可能能够改善护理和患者的安全。
Roy表示，到2018年，医疗知识和医疗数据的指数级增长将使护理人员提供最佳护理的挑战日益增加。
“例如，大多数EHR数据组织不好，或者不能很快解释，用于记录或试图理解EHR数据的时间可能会直接影响病人的护理，并导致供应商的倦怠。人工智能和机器学习有巨大的潜力提供实时和相关信息，这样就可以提高护理质量，也可以减少护理团队成员的认知负荷。医疗系统也有义务与医学院校合作，确保下一代提供者能够在日常病人护理中解释和应用AI和机器学习的见解。”
然而，与其他行业相比，医疗保健仍处于相对较早的阶段，将人工智能融入到当前的工作流程和电子健康档案中是接下来需要继续努力的方向。 Roy表示，围绕预测建立一个连续的、整合和透明的流程是提高采用率的关键。
据他的说法，“尽管宣传肆虐，人工智能并不会取代医生，但拥有人工智能的医师最终将取代医生，而人工智能的医疗系统也最终将取代医疗系统。”
他补充表示，“医疗系统也有义务与医学院校和高等教育机构合作，确保下一代提供者能够在日常的病人护理中解释和应用人工智能和机器学习的见解。医疗机构在2018年为他们做了一些工作，以便为行业内更多，更好的人工智能铺平道路。医院和卫生系统的首席信息官们应该把重点放在确保他们的系统具有提供定制和智能使用、收集电子病历数据所需的信息技术和资源支持。这样会使更多的工作人员在工作流程中使用更加高效的领域和工具，并直接帮助工作人员可以在不增加实践工作的情况下提供更好的工作效果。
