ProjectPro estime que l'apprentissage automatique amènera dans le secteur des soins de santé une révolution d'une portée que l'on commence à peine à envisager. Apparemment, il y aurait 8 domaines où son application serait particulièrement prometteuse. 

1. L'identification des risques pour le patient : L'apprentissage automatique est capable de mieux gérer la non-linéarité associée aux relations implicites entre une multitude des variables d'entrée et de points de données, ce qui permettrait, éventuellement, d'identifier les patients à haut risque.
2. L'analyse des modèles d'imagerie médicale : Cette technologie permettrait de reconnaître des changements très subtils dans les formes sur des images de la rétine, des os ou des organes internes et des diapositives de pathologie, ce qui permettrait des diagnostics plus rapides et un meilleur suivi de la progression des maladies.
3. La recherche liée aux essais cliniques : L'intelligence artificielle (IA) et les algorithmes d'apprentissage automatique permettraient d'identifier les meilleures techniques informatiques dans les essais cliniques et les soins de santé. Cela est particulièrement pertinent dans l'industrie de la biotechnologie. La combinaison de données génomiques et cliniques à l'aide de l'apprentissage automatique peut aider à développer des modèles prédictifs plus précis.
4. La prédiction des épidémies : Une capacité de calcul améliorée permettrait d'exploiter les mégadonnées pour prévoir et gérer l'occurrence des épisodes épidémiques, notamment dans des régions vulnérables, où les établissements de santé ne sont pas facilement accessibles. Ces modèles d'apprentissage automatique s'alimenteraient à partir des données concernant la géographie, le climat, la démographie et la répartition de la population d'une zone touchée pour identifier d'autres zones vulnérables aux épidémies.
5. La gestion des dossiers de santé : L'apprentissage automatique peut simplifier les processus manuels et, grâce au traitement du langage naturel, il serait possible, par exemple, de capturer et enregistrer les notes des médecins. Dans le cas des systèmes de gestion des dossiers électroniques, l'apprentissage automatique peut faciliter l'aide à la décision clinique, l'analyse automatisée des images et l'intégration des technologies de télésanté.
6. La personnalisation des traitements : Puisque les individus réagissent différemment aux traitements médicaux, l'apprentissage automatique permettrait d'offrir une approche plus personnalisée fondée sur des données cliniques, de laboratoire, génétiques, nutritionnelles, géographiques et liées au mode de vie. 
7. La chirurgie robotique : L'apprentissage automatique est actuellement intégré à la chirurgie robotique à certaines fins, telles que l'automatisation de la suture et l'amélioration du matériel chirurgical. L'apprentissage automatique est également utilisé comme outil d'évaluation pour surveiller les compétences chirurgicales des médecins.
8. L'amélioration de la radiothérapie : L'apprentissage automatique améliore grandement l'analyse d'images médicales où il y a plusieurs variables discrètes. Les algorithmes d'apprentissage automatique peuvent apprendre à partir de nombreux échantillons de données disparates et peuvent donc mieux identifier les variables pertinentes.