美國放射學會首席數(shù)據(jù)科學官凱斯·德雷爾（Keith Dreyer）稱，算法能夠被訓練來尋找特定的狀況，但“大多時候你連自己要尋找什么都不知道。”
“病人咳嗽，原因可能有上千種。”他說道。胸部X光片上的“白云”可能是肺炎，也有可能是肝癌。
最大限度地提升準確率，需要算法分別就每一種癥狀和疾病接受訓練。這可是一個需要耗費巨大的人力物力的過程。德雷爾指出，接著，美國食品和藥物管理局必須要批準系統(tǒng)和醫(yī)生將算法整合到他們的實務當中。
目前已經(jīng)出現(xiàn)一些針對醫(yī)學成像的商業(yè)化AI應用，但IBM沃森還沒有推出該類應用。該公司的發(fā)言人表示，針對乳癌和皮膚癌的擬議應用的推出時間，要看監(jiān)管部門什么時候通過審查。
人們對于AI搶奪飯碗的恐慌，不免讓人聯(lián)想起近20年前各類工作的離岸外包擔憂。一些經(jīng)濟學家曾預言，國際寬帶連接意味著很多的醫(yī)學圖像解讀工作將會被外包給印度薪水低得多的放射科醫(yī)師。實際上，這從未發(fā)生過。
美國監(jiān)管機構并不希望讓不受其管制的醫(yī)生查閱美國病患的醫(yī)學圖像，而且新興市場很少人擁有所需要的技能和經(jīng)驗。自1995年以來，美國放射科醫(yī)師的數(shù)量增長了40%多。（樂邦）