医学人工智能：

1、图像识别：应用方面主要是影像、彩超、病理、内镜、腔镜的图像辅助识别，也主要是帮助医生提醒和辅助诊断。这一块应用比较成熟的是肺结节的AI图像识别，国内也出了专家共识《人工智能在肺结节诊治中的应用专家共识（2022年版）》。

2、语音识别：一些报道来看，协和医院似乎有开展。主要就是实现，病历的语音录入。这里的技术问题，并不是难点。目前，腾讯的语音转文字已经非常成熟了，方言也能识别出来。国内也有很多相关厂家。不过，问题在于，病历的书写主要由低年资医生在参与，而低年资医生在医院中话语权是比较低的。这几年电子病历全国推广，但之前有一家教学医院，对此不是很积极，有一个重要原因是，他们医院有大量的实习、进修、规培、研究生。手写病历，不必抢占电脑资源，也便于教学。当然，后来抵不住时代的浪潮，还是更新换代了。但语音识别的问题，也是同样的难点。

3、大模型：可以实现对数据的逻辑分析和判断。但目前大模型的难点在于，无法保证100%正确。当然，实际上作为医疗辅助工具，其价值大于各类医疗教学培训（操作以外）

4、科研：目前应用最广泛的是机器学习，医学科研的核心是统计学，而机器学习本身是高级统计学，不管是不管是随机森林、决策树、KNN，未来会成为医学院校刷课题和论文的神器。像很多医学传统结构化数据，评估二分类结果，用到这步就够了。这里有两个分支，使用R语言、python语言。目前，国内外大部分机器学习的科研论文都采用R语言，这是科研的惯性所致。而实际上Python语言的扩展性更强，可以完全兼容R语言。