محققان با ترکیب روش‌های محاسبات کوانتومی با حوزه یادگیری ماشینی در هوش مصنوعی موفق شدند تا بیماری های ریوی را از تصاویر اشعه ایکس قفسه سینه افراد تشخیص دهند. پنومونی یک عفونت در ریه‌ها است که می‌تواند باعث سرفه، مشکل در تنفس، افزایش حرارت بدن و درد قفسه سینه شود. این بیماری معمولاً توسط رادیولوژیست‌ها و با استفاده از تصویر اشعه ایکس و بررسی و تشخیص لکه‌های سفید روی ریه‌ها به نام ارتشاح که نشان دهنده عفونت هستند، تشخیص داده می‌شوند. تشخیص در کوتاه مدت و به موقع این بیماری از اهمیت بالایی برخوردار است. از طرفی با توجه به کمبود نیروی کار در این حوزه تشخیص این بیماری با چالش مهمی روبه روست. طبق گزارش سازمان بهداشت جهانی، ذات‌الریه عامل 14 درصد مرگ و میر در کودکان زیر 5 سال است. تیمی به رهبری استاد دانشگاه کارنگی ملون به نام سریدار تایور، مقاله‌ای را منتشر کرده است که جزئیات مطالعه‌ای را نشان می‌دهد که استفاده از تکنیک‌های محاسبات کوانتومی در یادگیری ماشینی می‌تواند ذات‌الریه را در اشعه ایکس با سرعت و دقت بالایی تشخیص دهد. 
این روش از یادگیری ماشینی از رویکردی به نام طبقه‌بندی باینری استفاده می‌کند و مدل را توسط تصاویر اشعه ایکسی که هم نشان دهنده ریه سالم و هم غیر سالم می‌باشد، آموزش می‌دهد. مدل از این طریق یاد می‌گیرد که بین ریه سالم و ریه‌ای که مبتلا به ذات‌الریه می‌باشد، تمایز قائل شود. محققان از کلاسی از الگوریتم به نام ماشین بردار پشتیبان برای طبقه بندی تصاویر با استفاده از محاسبات الهام گرفته از کوانتوم استفاده کردند. این رویکرد در مقایسه با سایر رویکردهای کلاسیک، کوانتومی و ترکیبی، اشتباهات کمتری داشت و زمان کمتری برای تشخیص نیاز داشت. Tayur گروه فناوری‌های کوانتومی را در Carnegie Mellon تأسیس کرد تا روش‌های محاسبات کوانتومی را در صنایعی مانند مراقبت‌های بهداشتی بهتر درک کند و به کار ببرد. محققان پیشنهاد کردند که این روش می‌تواند برای تشخیص سرطان نیز استفاده شود.