而全科醫(yī)生機器人最重要的是需要大量數(shù)據(jù)訓練。同時，要選好的數(shù)據(jù)培訓機器人。例如，一個名醫(yī)做出來的診斷可被視作正確數(shù)據(jù)篩選給機器人。數(shù)據(jù)積累需要時間，吳炯分析，機器人所需數(shù)據(jù)已經(jīng)在兩個方向開始積累。
第一個方向是電子病歷。但是，醫(yī)院把電子病歷作為不可開放的財產(chǎn)。創(chuàng)業(yè)者和醫(yī)院打交道幾乎都是吃閉門羹。有些公司開發(fā)電子病歷工具，讓醫(yī)生能夠把就診記錄電子化、標準化。這個潛在數(shù)據(jù)來源若能規(guī)?；梢猿蔀闄C器人深度學習的樣本。
第二個方向是醫(yī)療影像，這類數(shù)據(jù)比電子病歷更客觀。吳炯暢想，人工智能很快會具備這個能力，和醫(yī)生一樣通過讀片發(fā)現(xiàn)患者是否有腫瘤、結石。吳炯透露，今年初風和投資投資了一家做醫(yī)療影像的公司，為未來制造機器人醫(yī)生進行準備。