AI在医疗领域的应用已成为实际部署的主要领域。理解哪些已经过临床验证、哪些仍处于理论阶段，有助于评估这一领域的各种说法。
医学影像：清晰的成功案例
放射学和病理学中的AI有最强的证据基础。FDA批准的AI工具现在协助：从眼部扫描检测糖尿病视网膜病变（IDx-DR）、识别胸部X光片异常（胸部AI工具）、结肠镜检查中检测息肉（GI Genius）和解读乳腺X光片发现乳腺癌。在大多数实施中，这些工具是对放射科医生审查的补充——它们标记值得人工核实的关注区域，而非自主诊断。研究表明它们降低了漏诊率，尤其是人类阅片者可能因疲劳而错过的细微病变。
药物发现
AlphaFold 2（DeepMind）及其后继者已改变了蛋白质结构预测——一个以前需要数十年晶体学工作的问题。多个AI设计的药物正在临床试验中。针对特定靶点的药物开发速度显著加快。这是AI创造真正新能力而非自动化现有工作流程的最清晰例子之一。
临床文档
AI书写工具（Nabla、Abridge、Nuance DAX）记录临床咨询并自动生成临床笔记，将医生从文档记录时间中解放出来。多个医疗系统已大规模部署这些工具。时间节省很显著——研究表明每位医生每天节省2到3小时。准确性需要医生审查；这些工具尚未完全自主。
AI不能做什么
AI目前无法：在复杂模糊的情况下（多种诊断同样合理时）做出临床判断、以需要人类理解的方式考虑健康的社会决定因素、与患者建立治疗关系，或对一个决定承担责任。医疗领域的AI增强临床医生；它不替代临床判断。
