A különböző orvosi és informatikai technológiáknak köszönhetően olyan dolgokat valósíthatunk meg a gyakorlatban, amiket eddig csak tudományos fantasztikus filmekben láthattunk. A Star Trek filmek látványos gyógyítási módszereinek gyakorlatba átültetése ugyan még várat magára (hajrá, 3D nyomtatás), de a diagnosztikában jelentős előrelépést biztosít a gépi tanulás és a képelemzés vegyítése.

A Fujitsu Laboratories a Hirosimai Egyetemmel közösen a komputertomográfia (CT) területén folytatott kutatásokat. A tomográf az emberi test szeleteiről készít kétdimenziós felvételeket. Ezeket a szeleteket az orvosok elemzik, és a korábbi esetek tapasztalataira támaszkodva igyekszenek azonosítani a rajtuk látható képződményeket. A folyamat komoly tapasztalatot és rengeteg időt igényel, szerencsére a képfeldolgozó algoritmusok és tanuló rendszerek fejlődésével a számítógép hatékonyan segíthet ebben.

A japán orvosokkal együttműködve a tüdő CT elemzésére koncentráltak. A helyileg jól elkülöníthető tüneteket produkáló betegségek, mint a tüdőrák azonosításával az eddig létező elemző algoritmusok is megbirkóztak, a kiterjedt elváltozást okozó betegségek, mint a tüdőgyulladás azonosítása viszont nehezebb, ott ugyanis meg kell találni a kapcsolatot több kétdimenziós szelet között, majd ennek alapján kell keresni az adatbázisban hasonló eseteket. Ezt az orvosok a tüdő több zónára osztásával oldják meg, és a mesterséges intelligenciát használó megoldás is ezen az úton indult el.

Az egyes szeletek képeiből hisztogramot (képtartalmi statisztikát) készítve hasonlítja össze a korábbi esetek hasonlóan feldolgozott képeivel. Az eredmények pedig nagyon ígéretesek: a valós eseteken végzett tesztben a tanuló algoritmus már pályafutása elején 85%-os pontossággal azonosította a betegségeket, ami az öt legjobb orvos diagnoszta szintjének felel meg. Ráadásul a rendszer mélytanuló algoritmusa révén várhatóan tovább javul majd, segítségével az orvosok diagnosztikára fordított ideje a hatodára csökkenhet.