生活水平在进步，但亚健康似乎成为了很多人身体的常态，并且各种慢性病也成为了危害人类健康的一大隐患，慢性病复诊很麻烦，挂号有时候就需要排上几个小时，所以很多人都会选择自己调理。但是自己调理有时候效果并不是那么明显，并且根本没有办法了解自己调理的到底如何。
据了解，斯坦福大学为此成立了一个研究小组，而吴恩达是该小组的负责人，他在人工智能领域是一位赫赫有名的专家，同时吴恩达也是斯坦福大学的兼职教授。该研究小组已经证明，相比起医学专家，机器人通过心电图设备能更准确地判断心律不齐的症状。由于机器人对潜在致命的心跳异常的检测结果更加准确，其自动检测心律的方法对日常的医学治疗变得十分重要。
吴恩达通过电子邮件中表示：“人们能够迅速接受这样一种观点，即机器人可以比专业医生更准确地诊断病情，这让我深受鼓舞。”他补充说，看到研究人员摆脱空想，把注意力转移到其他形式的数据（比如心电图），这个过程十分鼓舞人心的。
斯坦福大学的研究团队发明了一种深度学习算法，该算法能在心电图数据中识别不同类型的心跳异常。其中一些类型的心跳异常现象会引发像包括心脏骤停等严重的并发症，不过这些类型的心律问题很难会被检测到，所以医院通常会要求病人在几周内佩戴心电图传感器设备。即使得到检测结果，医生也很难区分哪些类型的心律问题可能是良性的，哪些是可能需要治疗的。
图：研究人员使用便携式心电图（ECG）设备从不同类型的心律不齐患者身上收集了3000030秒心电图动态片段
深度学习需要将大量数据输入到一个大型模拟神经网络中，并对其参数进行微调，直到它能准确识别出有问题的心电图信号。实践已经证明该技术善于识别复杂的图像和音频，并促进了比人类判断更准确的图像识别和语音识别系统的发展。
吴恩达坚信人工智能革命的即将到来，他说：“我们仍有工作要做，即需要把这些算法引入到医疗保健系统的工作流程中去。不过我认为，10年后的医疗治疗将会更多地应用人工智能，而且将会发生天翻地覆的改变。”
人工智能加入医疗保健系统，这将会加速慢性病管理系统的发展，对于慢性病患者来说无疑是个福音。