AI現在可以檢測出肺癌，乳腺癌，腦癌，皮膚癌和宮頸癌。但是在醫療AI的世界中，弄清楚何時依靠專家與算法仍然是棘手的。這不僅僅是誰在做出診斷或預測方面“更好”的問題。諸如醫療專業人員的工作時間以及他們的專業水平等因素也都在起作用。爲了解決這個問題，麻省理工學院計算機科學與人工智能實驗室（CSAIL）的研究人員開發了一種機器學習系統，該系統可以決定做出預測還是服從專家。

最重要的是，該系統可以根據隊友的可用性，經驗和業務範圍來適應何時何地，何時向某位專家提出建議。例如，在繁忙的醫院環境中，系統僅在絕對必要時纔可以請求人工協助。

研究人員對該系統進行了多項任務培訓，包括查看胸部X射線以診斷肺塌陷等病症。當被要求診斷心臟肥大（心臟擴大）時，人AI混合模型的性能要比AI或醫學專業人員獨自完成的性能高出8％。

CSAIL團隊在國際機器學習大會上發表的論文的第一作者戴維•桑塔格（David Sontag）說：“有許多障礙阻礙了臨牀環境中的完全自動化，包括信任和問責制，這是可以理解的。” “我們希望我們的方法能夠激發機器學習從業人員在將實時人類專業知識集成到他們的算法中時更具創造力。”

接下來，研究人員將測試可同時與多個專家配合使用的系統。例如，AI可以與對不同患者羣體更有經驗的不同放射線醫生合作。