精准医疗是近年来医疗保健领域强有力的发展之一，它有可能改进传统的以症状为导向的医疗实践，允许使用先进的诊断手段进行早期干预，并对患者定制更好的个性化治疗。
识别个性化和人群医疗的最佳途径包括：全面分析患者信息的能力，以及更广泛的监测和区分患病和相对健康人群，这将让我们更好地理解可以预示健康变化的生物指标。
虽然疾病在个体层面的复杂性使得在临床决策中利用医疗信息是比较困难的，但是一些现有的限制已经被技术进步极大地最小化了。要实现有效的精准医疗，增强对患者预后的积极影响并提供实时决策支持的能力，重要的是通过整合不同的数据源和发现患者疾病进展的特定模式来利用电子健康记录的力量。需要有用的分析工具、技术、数据库和方法来增强临床、实验室和公共卫生系统的网络和互操作性，并有效平衡地处理与医疗数据的隐私和保护相关的伦理和社会问题。
开发用于临床数据提取、汇总、管理和分析的多功能机器学习平台，可以帮助临床医生有效地对受试者进行分层，以了解具体情况并优化决策。在医疗保健领域实施人工智能是一个引人注目的愿景，它有可能为实现以较低成本提供实时、更好的个性化和人群医疗的目标带来重大改进。
科学家们重点分析和讨论了各种已发表的人工智能和机器学习解决方案、方法和视角，旨在推动学术解决方案，为医疗领域新数据中心时代的新发展铺平道路。
参考文献：
Ahmed Z1,2,3,4, Mohamed K3, Zeeshan S5, Dong X1,2.Artificial intelligence with multi-functional machine learning platform development for better healthcare and precision medicine.Database (Oxford). 2020 Jan 1;2020. pii: baaa010. doi: 10.1093/database/baaa010.
网友评论