Im medizinischen Bereich gibt es Anwendungen des maschinellen Lernens  insbesondere für die

Diagnose-Erstellung. Im Folgenden zwei Beispiele:

1) Röntgenbild-Analyse

Röntgenologen sind spezialisiert auf das Erkennen von kleinen Besonderheiten auf Röntgenbildern.

Dies erfordert viel ärztliche Erfahrung.
Insbesondere tiefe neuronale Netze (deep learning) sind Algorithmen, die seit wenigen Jahren in der Bilderkennung übermenschliche Leistung zeigen, genauso wie schon seit langem Computer besser Zahlen addieren / multiplizieren können als Menschen.

Der Vorteil des maschinellen Lernens in der Bildanalyse ist, dass Algorithmen die Erfahrung von tausenden Menschen verinnerlichen können, wohingegen ein Mensch immer nur den Erfahrungsschatz eines Menschenlebens vorhalten kann.


2) Krankheits-Diagnose anhand persönlicher Merkmale

Ein Hausarzt schließt auf Krankheiten auf der Basis persönlicher Patientenmerkmale wie
Blutdruck, Puls, Körpergewicht, Alter, Blutwert-Kennzahlen, ....
Dies sind klassische Klassifizierungsaufgaben des maschinellen Lernens.
Auch hier kann der Algorithmus aus Daten, die dem Erfahrungsschatz von tausenden Ärzten entspricht, lernen.

Im Gegensatz dazu kann ein Arzt nur den Erfahrungsschatz eines Menschenlebens aufbauen.

Das maschinelle Lernen sollte hier nicht als Konkurrenz zu Ärzten gesehen werden sondern
als technisches Hilfsmittel, welches Ärzte befähigt, zeiteffizienter zu diagnostizieren und
die eingesparte Zeit mit anderen Aufgaben zu verbringen.