1. 卫生保健：对监测数据进行几乎实时的模式分析，发现疾病，例如利用谷歌搜索引擎和GPS定位信息预测引起食源性疾病的餐馆。【Machine-learned epidemiology: real-time detection of foodborne illness at scale | npj Digital Medicine (nature.com)】

2. 健康促进：根据个人危险谱和行为模式，提出有针对性的个性化健康建议。例如利用机器学习改善心血管疾病危险模型。【Can machine-learning improve cardiovascular risk prediction using routine clinical data? (nih.gov)】

3. 增进健康服务的效率：

      （1）利用机器学习发现钼靶照相筛查或宫颈细胞学筛查检验中的异常。如（1）用深度学习算法检测糖尿病视网膜病变。【Clinically applicable deep learning for diagnosis and referral in retinal disease | Nature Medicine】

     （2）机器学习助力自动化证据合成，如人类行为改变项目中使用机器学习来综合和解释行为改变的证据。【The Human Behaviour-Change Project: harnessing the power of artificial intelligence and machine learning for evidence synthesis and interpretation (biomedcentral.com)】

整理自：

Panch T, Pearson-Stuttard J, Greaves F, Atun R. Artificial intelligence: opportunities and risks for public health. Lancet Digit Health. 2019 May;1(1):e13-e14. doi: 10.1016/S2589-7500(19)30002-0. Epub 2019 May 2. Erratum in: Lancet Digit Health. 2019 Jul;1(3):e113. PMID: 33323236.