现代医疗事业正在进入一个飞速发展的新时代。而在这个时代，机器学习和医疗信息化的融合正以惊人的速度改变着世界。它们通过赋能医疗，为病患带来新的生命希望，为医生带来新的治疗手段，让医学界不再是单打独斗的世界。
作为医疗行业的重要组成部分，信息化已经渐渐地成为了医疗管理与医疗服务的必需品。以某个具体医院为例，信息化可体现在以下各方面：
医管系统：医院内部的管理、人员配置、资源分配等
病历管理系统：患者的病历与相关医疗记录等
挂号预约系统：患者的预约、病情咨询等
医疗影像诊断系统：医生查看、分析、诊断病患的CT、MRI等影像
健康管理系统：对公众进行健康教育、咨询与预防等
但是，现有的医疗信息化系统过于分散、构建和升级成本高、数据质量难以统一等问题依然存在。这一点也是机器学习与医疗信息化的融合意义所在。
随着科技的不断进步和应用，机器学习的技术越来越成熟。机器学习通过训练模型对各种医疗现象进行分析，可进行自动筛查、诊断、预测等，且数据量越大，准确率也就越高，提高了医学工作质量。比如：
当机器学习和医疗信息化融合之后，能够自主完成病患的筛查和诊断，辅助医生减轻工作压力。比如基于深度学习的乳腺癌筛查系统，能够自主进行初步筛查和评估，据测结果准确率达到了99%以上。
机器学习还可以辅助医生预测疾病的发展趋势和风险，提高诊断的准确性。比如上海交通大学医学院附属瑞金医院推出的“器官感染风险评估系统”，通过机器学习对病患个人信息、病情等数据进行分析，得到出具体感染率，对医生进行决策提供重要支持。
在医疗机构、医学研究、大数据分析等领域，机器学习都有着应用的天然优势。为更好的赋能医疗，机器学习与医疗信息化的融合也在不断的拓展。
比如在公共卫生方面，中国科学院计算机网络信息中心和福建省疾病预防控制中心合作构建的“卫生监测预警系统”，依据机器学习对公共卫生数据进行分析，可进行重点区域监测预警，有助于监测和控制疾病的爆发。
医药产业也在拥抱机器学习。药明康德旗下的MXshare系列平台，基于算法和人工智能技术，可通过预测药物与蛋白质互作模型来进行虚拟筛查，提高研发效率和准确性，对提高新药研发效率、缩短研发周期具有显著意义。
可以预见的是，机器学习与医疗信息化的融合将会是医疗界未来的一个长期良性发展趋势。相信未来机器学习的发展和应用将会提高现有的医疗技术水平，加速科技对医疗产业的颠覆和催化，不断推动医疗健康事业的创新和发展。