在英格蘭東南部，一批服務于50萬人的醫院正在為出院的患者配備一個具有Wi-Fi功能的臂帶，可以遠程監測一些生命體征，如呼吸頻率、含氧水平、脈搏、血壓和體溫。

　　作為國家衛生服務試點計劃的一部分，該項目現在采用人工智能實時分析所有患者的數據，醫院再入院率下降了，急診室就診次數也減少了。更重要的是，開銷高昂的家庭出診需求下降了22％。從長遠來看，堅持治療計劃的人數增加到96％，而行業平均水平則為50％。

　　人工智能試點的目標是哈佛商學院教授和Innosight聯合創始人克里斯·克里斯滕森稱之為“消費無力（Nonconsumption）”的概念。它指的是那些消費者有所求，但是目前尚無實惠且方便的解決方案的機會領域。

　　例如，英國在涉及達特福德和格拉夫舍姆醫院的試點之前，完成患者家庭監測需要派遣醫院工作人員每周前往患者家中作檢查，路上往返時間長達90分鐘。但是，隨著算法持續不斷地搜索數據中的警告信號，并立即向患者和專業人員發出警報，從而誕生了一種新的功能：向患者適時提供醫療保健服務，甚至在患者自己意識到有這種需求之前。

　　人工智能的最大優點在于，可以用接近零的邊際成本進行準確的預測，理所當然地激起了人們將AI技術應用到醫療健康的幾乎所有領域巨大的興趣。但并非人工智能在醫療保健中的所有應用都能獲得同等的收益。此外，很少應用能夠在戰略上恰當地回應困擾幾乎所有健康醫療系統的最大問題：患者分散和利潤壓力。

　　以醫學成像AI工具為例，醫院在未來四年內預計每年將在此項目上花費20億美元。準確診斷從癌癥到白內障的一系列疾病是一項復雜的任務，難以量化但通常會產生重大后果。然而，該任務目前通常是大型工作流程的一部分，且由受過廣泛訓練、高度專業化的醫生執行，而這些醫生是世界上最聰明的那部分人。

　　這些醫生可能需要一些額外的幫助，但是現在這個問題已經解決了。這些因素使得疾病診斷成為AI很難產生創造性變革的一個領域。因此，人工智能在這種環境中的應用，即使對患者的治療結果有益，也不可能從根本上改善醫療保健的實施方式，也不可能在短期內大幅降低成本。

　　然而，一些正在尋求醫護分散化實施的領先的醫療組織，通過部署AI技術可以做到一些以前從沒做到的事情。例如，消費者每天都會做出各種各樣的非緊急的關于健康的決定。這些決定并不值得資深臨床醫生去關注，但最終在確定患者健康方面發揮著重要作用，并最終影響醫療保健的成本。

　　根據世界衛生組織的數據，和個人健康和生活質量息息相關的因素中有60％與選擇的生活方式有關，包括遵循正確服用血壓藥物的處方、鍛煉和減壓等。在AI驅動模型的幫助下，現在可以根據患者生命體征的變化，在患者整個日常過程中為其提供干預和提醒。

　　在家庭進行健康監測本身并不新鮮。包括Partners Healthcare、United Healthcare和Johns Hopkins醫學院在內的一些領先機構正在開展一些活躍的項目和試點研究，并取得了積極成果。但這些嘗試尚未利用人工智能來實時地做出更好的判斷和建議。由于涉及了大量數據，機器學習算法特別適合于針對大量人群來擴展該任務的執行。畢竟，是通過大量的數據來讓算法更加智能，從而支撐AI技術。