毫不奇怪，神经网络的最早应用之一是放射学，它是人工智能的现代核心技术。

视觉应用的重点是查看X射线和CT扫描图像以识别癌性肿瘤的任务。

这促进了AI的重生。

人工智能和机器学习（ML）的发展已开始帮助医学界从单纯的疾病识别转向医疗保健中更具预测性和规范性的领域。

一个例子是肺部疾病。

通过AI进行肿瘤的初步鉴定是提高诊断和神经网络准确性的重要一步。

医疗保健的下一个显而易见的步骤是识别其他疾病。

对于肺部系统，尤其是肺部，癌症的识别已扩展到识别由肺气肿引起的问题。

在调查过程中，我从疾病中了解到的一件事是受损的肺部不仅停止工作。

呼吸时，我们吸收气体，然后肺部将诸如氧气的气体转移到血液中。

肺气肿的一种影响是，无法输送气体意味着空气被困在肺中，并且它们会膨胀，从而阻止空气流向仍然健康的肺部。

肺气肿和其他疾病的生物标志物的鉴定可以通过神经网络进行鉴定。

但是，请注意我通常使用的肥皂盒，即AI是一种工具，而ML现在不仅仅是AI的纯粹定义。

找出问题是一回事。

使用此知识来计划和执行动作不在此范围内。

VIDA总裁兼首席执行官Susan Wood博士说：“神经网络对于识别图像中的问题至关重要”。

但是，这不仅涉及AI在图像中查找事物或更快地完成事物，还与改善护理方式和患者治疗的总体影响有关。

“合并的示例是大量肺气肿病例历史如何允许对神经网络进行监督学习以识别问题区域，然后使用高级统计模型（即使AI不能成为ML的一部分）来帮助识别肺段和测量和量化这些细分中的已识别功能。

可以在多个级别上执行预测分析。

对哪种治疗类型最适合不同患者人口统计信息（年龄，疾病传播等）进行高级统计分析。

有更详细的分析。

大多数人早就听说过动脉支架可以帮助打开它们并促进血液流动。

与此相关的是一些非常酷（技术术语...）的单向阀，例如PulmonX的单向阀，可以将其植入肺中。

阀门允许空气缓慢离开膨胀的肺部，同时防止新的空气进入。

这有助于将空气引导至肺部的良好部位，从而改善呼吸。

VIDA正在使用机器学习来帮助医生了解患者的态度，手术的适用性以及这些设备的最佳位置。