結合機器學習和行為算法的人工智能（AI）虛擬助理軟件愈來愈普遍，隨著資料庫不斷擴展，可以對人類偏好做出愈來愈準確的預測，但當下流行的健康追蹤裝置欲實現醫療預測，也必須集成機器學習與行為算法，才能達到健康照護的目的。

據報導，人工智能應用領域廣泛，雖然人工智能似乎無處不在，但消費者只看到其中的一小部分。除了虛擬助理之外，機器學習結合行為算法將產生其它廣泛流行的技術，Netflix、亞馬遜（Amazon）和Pandora提供高度精確和不斷改進的預測文本就是一個例子。

在健康和健身領域，2016年休斯頓衛理公會醫院（Houston Methodist Hospital）研究人員開發機器學習軟件，綜合乳房X光照片結果和個人病史，比醫生對患者乳腺癌風險診斷速度快30倍，準確率達到99%。

史丹佛大學（Stanford University）計算機科學家建立一個人工智能算法，與21位經過認證的皮膚科醫生一樣能準確診斷皮膚癌。甚至IBM Wason超級計算機也正在采取行動，這部世界上最著名的人工智能在不到10分鐘內，可正確診斷出一名女性罹患罕見白血病。

至于當前的健康追蹤裝置因缺乏機器學習軟件，因此許多醫生質疑可穿戴設備數據的臨床價值，且裝置與數碼健康應用程序的大數據，包含血糖、體重、血壓、膽固醇、醫療記錄等缺乏互操作性，以至于重要的醫療信息仍然被孤立。

盡管像Validic和Human API這樣的中介軟件公司正在建立集成數據所需的連接技術，但是能做醫療預測的人工智能還很少。

從個人手機和連網裝置中取得傳感器數據的機器學習算法，能夠檢測習慣和行動模式，試想如一個糖尿病患者正在健身中心停車的時候，從智能血糖儀收到提醒，當他們看到數字很低的時候，可以在運動之前先吃一個蘋果，避免發生低血糖癥。

從手機中的加速度計、GPS和日歷中提取數據并加以集成，可以推斷出提示用戶行動的最佳時刻，實現健康照護的目的。針對可穿戴裝置開發的算法具備洞察力，如當偵測到心率和皮膚溫度穩步上升，代表用戶可能感染流感。

報導認為，人工智能成為主流要歸功于前面提到的私人助理，和Google等專案項目的先進用戶體驗。隨著手機和可穿戴裝置中的機器學習行為算法與更多物聯網產品相結合，我們可以期待看到量身定做的裝置和應用程序的實用性將超越新穎性。