毫不奇怪，神經網絡的最早應用之一是放射學，它是人工智能的一種現代核心技術。視覺應用的重點是查看X射線和CT掃描圖像以識別癌性腫瘤的任務。這推動了對AI的重生。人工智能和機器學習（ML）的發展已開始幫助醫學界從單純的疾病識別轉向醫療保健中更具預測性和規范性的領域。一個例子是肺部疾病。

通過AI初步識別腫瘤是提高診斷和神經網絡準確性的重要一步。醫療保健的下一個明顯步驟是確定其他疾病。對于肺部系統，尤其是肺部，癌癥的識別已擴展到識別肺氣腫引起的問題。在調查過程中，我從該疾病中學到的一件事是，受損的肺部不僅停止工作。當我們呼吸時，我們吸收氣體，然后肺部將諸如氧氣的氣體轉移到血液中。肺氣腫的一種影響是，無法轉移氣體意味著空氣被困在肺部，它們會膨脹，從而阻止空氣移動到仍然健康的肺部。

肺氣腫和其他疾病的生物標志物的鑒定可以通過神經網絡進行鑒定。但是，請注意我通常使用的肥皂盒，即AI是一種工具，而ML現在已不僅僅是純粹的AI定義。識別問題是一回事。利用這些知識來計劃和執行動作已超出了此范圍。VIDA總裁兼首席執行官Susan Wood博士說：“神經網絡對于識別圖像中的問題至關重要。“但是，這不僅僅在于AI在圖像中找到事物或更快地完成事情，還在于改善對護理途徑和患者治療的整體影響。”

合并的一個示例是大量肺氣腫病例歷史如何允許對神經網絡進行監督學習以識別問題區域，然后使用高級統計模型（即使不是AI也可以成為ML的一部分）來幫助識別肺段并測量和量化這些細分中的已識別特征。

可以在多個級別上執行預測分析。對于哪些治療類型最適合不同的患者人口統計數據（年齡，疾病傳播等）進行了高級統計分析。還有更詳細的分析。

多數人早就聽說過動脈支架，以幫助其打開并促進血液流動。與此相關的是一些非常涼爽的（技術術語…）單向閥，例如PulmonX的單向閥，可以將其植入肺部。閥門可以讓空氣緩慢地離開膨脹的肺部，同時阻止新空氣進入。這有助于將空氣對準肺部的良好部分，從而改善呼吸。VIDA正在使用機器學習來幫助醫生了解患者對手術的適合性以及這些設備的最佳放置。

責任編輯：lq