慢性病是我國乃至世界面臨的重大醫療難題之一，糖尿病、帕金森、阿茲海默癥等慢性病，發病癥狀不明顯，早起病癥不容易被察覺，而晚期確診后就需要大量的人力、物力來對患者進行日常照料與護理，嚴重影響患者的身體健康和生活質量。

我國現擁有超過3億的慢性病患者群體，慢性病致死人數已占到我國因病死亡人數的80%，慢病管理產生的費用已占到全國疾病總費用的70%。已成為影響國家經濟社會發展的重大公共衛生問題。

慢性病的管理和提前預測，讓無數醫務工作者對此一籌莫展，這種局面在人工智能進軍醫學領域后逐漸被打破。

各大科技公司先后將目光投入到慢性病領域，隨著人工智能的發展，目前慢性病的預測和提前診斷能力已經獲得了顯著的提高。

騰訊推出的帕金森AI輔助診斷技術，能夠基于運動視頻分析技術，針對帕金森病人的運動視頻自動實現UPDRS(國際普遍采用的帕金森氏病評分量表)評分，在AI技術的輔助下，用戶無需穿戴任何傳感器，僅需透過攝像頭拍攝(普通智能手機即可滿足)便可實現帕金森病的運動功能日常評估，醫生可在3分鐘內完成診斷過程，診斷速度提升10倍。

阿里推出的“瑞寧助糖”，通過以大量醫生的實踐經驗作為經驗模型，以大量的醫學知識和權威文獻作為知識模型， 利用一系列物聯網管理方式，采用人工智能化的眼底病變和尿蛋白篩查技術，在計算機深度學習基礎上建立糖尿病及并發癥篩查軟件，實現對糖尿病患者從預防、診斷、治療、到并發癥管理的“人工智能化”。

同時，韓國的科研工作者利用世界各地的阿茲海默病研究人員建立的健康人群與阿爾茨海默病患者腦圖像的數據庫，來訓練卷積神經網絡，并且在此基礎之上識別它們之間的區別。軟件系統識別輕度認知障礙患者患者轉化成為阿茲海默病的預測精度高達84.2%，優于常規基于特征的人為量化方法，顯示出了深度學習技術使用腦圖像預測疾病預后的可行性。

無論是帕金森的診斷還是阿茲海默癥的提前預測，目前在慢性病領域，AI能做的還是以輔助醫生看診、緩解醫療資源緊張為主。這主要是因為慢性疾病發病過程漫長，初期癥狀不明顯，在目前的醫療水平下，醫生只能在癥狀明顯時進行診斷，而此時病變已到達晚期。所以醫療AI的重點放在以大數據為基礎上的預測，將患者的生命指標量化，利用數據進行科學精準的診斷。這樣就彌補了人力在預測和判斷方面的不足，減輕了醫護人員的工作負擔。

然而慢性病的最終確診和治療，還是要以醫生為主導。病變測定和性質鑒定是目前人工智能在醫學上的主要貢獻，但是判診后的治療方案，不同患者的用藥情況和護理措施，還是需要醫生根據實際情況進行判斷。人工智能目前只能輔助醫生，而不是代替醫生。

既然AI的主要任務是輔助和管理，那么脫離醫院也能夠使患者享受到專業的護理和醫學檢測功能的智能設備，將逐漸成為慢性病患者的新寵。

慢性病需要的是長期、堅持的護理和治療方案，這也是慢性病患者需要較多醫療資源的原因。目前已經可以依靠人工智能來進行快速的診斷，病理特征相對集中，確診后的日常監控與管理對醫院環境的依賴較少。大多數情況下在大醫院確診病情后，病人完全可以在家中按照醫囑完成健康自檢和疾病管理。而AI強大的專業數據、類人的語音交互、“伙伴”式的醫療模式及定制化的服務將發揮極大作用。

如果能夠有相應的可移動的、可用于日常家庭生活的智能設備實時地對患者進行檢測，管理患者的健康狀態，及時向醫生反饋數據，那么患者就不需要再去醫院進行護理和治療，不僅能節省患者的時間和精力，還能夠進一步地節約醫療資源，徹底改變患者的醫療方式。