Maskinlæring og helsetjenester er på mange måter unikt godt egnet for hverandre. I kjernen er mye av helsetjenester mønstergjenkjenning. En sunn menneskekropp og dens forskjellige delsystemer fungerer på konsistente, kvantifiserbare måter. Når en menneskelig organisme lider av en eller annen lidelse, avviker den fra denne homeostasen på måter som har en tendens til å være forutsigbar over tid og befolkning.
Å bruke datasyn for å identifisere helsemessige forhold i medisinske bilder har blitt kanskje det mest refererte bruksområdet for AI i helsevesenet. Det er lett å forstå hvorfor: å undersøke en medisinsk skanning for å avgjøre om en svulst, en hudlesjon, en retinal sykdom eller en annen indikasjon er til stede er et tydelig eksempel på objektklassifisering, nøyaktig hva dyp læring utmerker seg ved
Nylige fremskritt innen naturlig språkbehandling har muliggjort AI-baserte samtalegrensesnitt som kan automatisere pasientscreening og omsorgsnavigasjon. Pasienter kan for eksempel dele symptomer og spørsmål via tekstmelding og motta automatisert klinisk veiledning som svar. Tilsvarende kan AI utvikles som kommuniserer med pasienter fortløpende for å sikre at de forblir engasjert og i samsvar med deres omsorgsregime.
COVID-19 har sterkt akselerert adopsjonen av fjernhelse: levering av kliniske tjenester til pasienter over avstand i stedet for personlig, ved hjelp av digitale verktøy.
Mens pandemien har tjent som en kortsiktig katalysator, mener mange eksperter at fjernhelse (også kalt telehelse) er på vei til å bli en permanent viktig søyle i helsetjenester. McKinsey anslår at opptil 250 milliarder dollar i helsetjenester vil bli virtualisert de neste årene bare i USA.
.