在人工智能开始对我们的世界开始拥有的所有影响中，对于最重要的原因，最重要的原因 - 将是它对人类健康的影响。AI已成为医疗保健工人，生物技术研究人员，制药专业人员和的新工具现在甚至消费者正在利用。一种技术精神经学习作者：王莹，医疗保健行业高管'发现，超过50％的预期达到了2025年的广泛规模AI。妇女，虽然只有占整个机器学习领域的13.5%，在制药和医疗保健领域的人工智能领域正在进行大踏步。从Biotech公司的首席执行官到机器学习工程师，我介绍了七名妇女，正在解决一些医疗保健的最大问题，从全球医生短缺到疾病的误诊，以造成大数据。
Barbara E Engelhardt Phd，普林斯顿大学统计与机器学习中心副教授，统计和机器学习中心 -@beengelhardt.
“AI有一种深刻的能力，可以影响我们对医疗保健的影响。我的团体广泛地专注于AI和医疗保健的许多不同地区。首先，我们正在随时开发一种模拟患者状态的方法。这意味着，就我们使用的模型而言，对于任何时间的患者，我们注意到先前衡量的重要标志和实验室结果，我们使用我们对该患者和其他类似患者的知识猜测重要患者特征的价值，如心率，血压或白细胞计数，以及我们在这些猜测中的不确定性。这些患者国家的估计允许护理人员对必要的测试，医疗干预或程序进行明智的决定。
我们工作的第二个方面涉及识别患者的治疗政策。目前医院为护理人员提供了治疗特定患者的指导方针，但这些广泛的指导方针通常会错过非规范介绍的患者或积极诊断和治疗不需要治疗的患者. 我们使用机器学习方法来创建新的治疗策略。重要的是，这些政策并不是我们从医生那里看到的，这项工作的一个重要方面是找到一种方法，在医院环境中检验我们的政策，而不给患者带来风险。我们在这一领域工作的一个相关线索是考虑患者对特定干预措施的反应，这是一个重要的预测模型，因为我们不想让患者暴露于所有可能的干预措施并使他们处于危险之中。这种反应模式使我们能够为患者提供多种不同的治疗方案，以确定哪种治疗方案的毒性最小，效果最好。”
切普利吉尼亚维罗尼卡，荷兰埃因霍温理工大学医学图像分析组助理教授-@瓦切普利吉纳
“我用机器学习来检测医学扫描中的异常，比如肺部的CT扫描。问题是，机器学习方法需要大量的例子来很好地做到这一点——在手工勾勒出异常的地方进行扫描。这给专家们增加了额外的负担，所以我正在研究机器学习可以从可用的其他类型（带注释的）数据中学习的方法。我特别兴奋地对众包的可能性，因为这也有助于提高对健康的认识以及机器学习可以或不能做什么。“
Anne E. Carpenter.，博士，高级总监，成像平台，哈佛大学研究所和麻省理工学院 -@德兰木匠
“我的实验室致力于提高药物发现的效率。我们创建算法来获取大部分生物图像。许多生物医学研究人员拥有全天候拍摄细胞图像的自动显微镜。我曾与数百名生物医学研究人员合作，每个人都致力于一种特定的疾病——我们的软件“观察”细胞，并确定他们正在测试的任何药物是否对这些细胞中的疾病有治疗作用。看到我们的工作的影响是如此令人满意 - 例如，recursion Pharma是一家根据我集团开发的软件和方法推出的公司。“
杰克猎人，首席执行官Benevolentai-@benevolent_bio.
“Benevolentai正在改变药物发现和发展。利用其专有的AI平台，Benvolentai的研究人员队伍能够快速提出从分散和非结构化数据集的疾病的新疗法。该技术可提供60％的效率节省60％，并通过对Pharma Industry基准进行最多四年来减少早期药物发现过程. 我们已经证明了肌萎缩侧索硬化症的突破性进展，以及另外18个药物研究项目的快速进展。我们的人工智能的潜在应用几乎是无限的——甚至超越了药物发现——它只是一个焦点、规模和紧迫性的案例。”
Becks Simpson，机器学习铅工程师，麦克斯韦磁共振成像-@西莫罗斯
“在一个对顶级医疗专业知识的需求迅速超过供给的世界里，在数据没有被用来为个人量身定制疾病预测、诊断或治疗方案的世界里，麦克斯韦的目标是使医疗保健个性化、高质量，并在人们需要时随时提供。为了促进这一点，我在Maxwell的工作包括开发各种深度学习模型，从‘患者嵌入’（一个人所有数据到他们健康程度之间的学习映射）到从医学成像、遗传学等方面识别早期指标和疾病风险。”
Karin Verspoor教授，墨尔本大学计算和信息系统部门，副部长，@卡尔因夫
“我的工作涉及自然语言处理方法在生物医学和临床文本中的应用。它旨在改变由人们 - 研究人员或医疗保健工人或患者自己产生的非常特殊的数据 - 为其他人阅读和理解，进入结构化信息，这些信息可用于更典型的分析方法或复杂的预测模型。因为很多医疗保健都涉及到对患者及其病史或症状的仔细观察，而这些观察结果通常都是以自由文本的形式记录下来的——也许其他地方都没有！–深入研究这段文字并找出有助于建立更完整的患者健康状况的细节是至关重要的。”
Maria Dyshel.，多学科技术专家，福布斯30岁以下企业家，数字催化剂，赛诺菲
“我在人工智能领域的道路始于一项研究计划，即利用机器学习来量化帕金森氏症的症状。从那以后，我分别追求对人工智能和医疗保健的热情：虽然我的论文专注于人工智能在能源领域的应用，但我一直参与公共卫生项目。我与人共同创建了一个非营利组织Genesis，致力于降低贝都因人群中的遗传病发病率，并致力于为印度农村护理新生儿的护士开发一个移动应用程序。我相信人工智能将继续改变我们相互关心的方式——预防和治疗疾病。最近，我加入了跨国制药公司赛诺菲，我希望在那里继续提高我在应用先进技术改善患者生活方面的知识。”