超聲心動圖通過聲波描繪心臟的圖像，心臟病專家可以通過該圖像確定患者是否患有心臟病。這是一項標準測試，用于檢查患者的中央器官的瓣膜或腔室是否有問題，是否有先天性心臟缺陷，或者氣短或胸痛是否與心臟有關。

加州塞達斯西奈山心臟研究所和人工智能醫學部門的研究人員在這一領域有突出成就。該研究所報告說，在評估和診斷心臟功能方面，人工智能（AI）被證明比超聲心動圖醫生的表現更出色。在這項首次、隨機的盲試中，心臟病專家評估了3,495份經胸超聲心動圖研究，并比較了人工智能或超聲心動圖醫生的初始評估。其中一個主要發現是，心臟病專家更認可人工智能的評估結果。例如，專家們只糾正了16.8%的人工智能的初步評估，卻糾正了27.2%的超聲心動圖醫生的人工評估。

當然，這并不是AI在心臟病學中的首個應用。早些時候，加州大學舊金山分校的助理教授和執業心臟病專家Rima Arnaut和她的同事就已經使用深度學習來訓練一個AI系統，該系統可以根據顯示的視圖類型對超聲心動圖進行分類。當人工智能和心臟病專家被同時要求對圖像進行分類時，算法的準確率達到了92%，而人類的正確率卻只有79%。

此外，AI算法不僅在圖像分類方面勝過醫生，而且在根據各種因素預測結果方面也表現優越。英國諾丁漢大學的研究人員創建了一個系統，通過掃描和分析病人的常規醫療數據，來預測他們中哪些人會在10年內發作心臟病發作或中風。與基于公認的風險因素（如高血壓、膽固醇、年齡、吸煙和糖尿病）的標準預測方法相比，該人工智能系統準確地預測了355名患者的命運。

根據世界衛生組織的統計數據，目前，全球每年約新增150萬非黑色素瘤皮膚癌和32.5萬黑色素瘤皮膚癌患者。數字健康技術，如SkinVision等智能手機應用程序、遠程醫療服務以及人工智能，正被應用于對抗這種廣泛流行的疾病的前線。

盡管幾個研究小組已經開發了診斷皮膚癌的智能算法，但斯坦福大學創建的算法可能是迄今為止最強大的系統。該算法在超過128萬張圖像上進行了訓練，并通過一組來自2000多種疾病的近13萬張皮膚病變掃描圖進行了微調。這是迄今為止用于皮膚癌自動分類的最廣泛的數據集。

斯坦福大學的研究人員訓練了一個人工智能系統，以增加在需要時準確接受生命晚期護理的住院病人的數量——這意味著這個智能算法能夠預測非常嚴重的病人何時接近生命的終點。

該算法經過訓練，以分析病人去世前3至12個月期間電子健康記錄中的診斷、處方、人口統計和其他因素。一旦經過訓練，該算法就能在醫院的系統中標出仍然活著的病人，這些病人可能是姑息治療的合適人選。

當斯坦福醫院的姑息治療團隊評估了50名被算法標記為非常高風險的隨機選擇的病人時，該團隊發現所有這些人都適合被轉診。除了能夠準確預測，該程序還將決策權完全交給了醫生。這可能是算法和醫生作為一個團隊一起工作的未來模式。