Kalsar还解释说，为了做到这一点，IBM沃森必须解决非结构化数据的问题，“我们打算使用词汇认知计算，因为它不仅仅局限于机器学习和深度学习，还能够整合学习，洞察更深刻的东西。”
“医疗产业是独一无二的：它受到高度监管，还有大量不能使用的数据。当然同时也有很多未开发的资源，”他说，“所以，这是一片很多技术都可以一展拳脚的领域。但到最后，治疗的成功与否仍旧掌握在医生手里。”
如何前进
许多专家预测，AI能够在医疗领域掀起波澜。
Allscripts Analytics的首席医疗官Fatima Paruk博士认为，AI将首先应用于慢病管理；随着以患者为中心的健康数据的可用性越来越高，以及环境和社会经济因素的发展，AI也会跟着进一步发展；最后，基因信息会融入，使精准医学变成现实。
AI能够对那些在技术上早已非常落后的制药公司产生巨大影响。这些制药公司如今也开始寻求改变了。Lux Capital的合伙人，辉瑞公司的前董事长兼首席执行官Jeff Kindler将制药公司称为“创新者困境的典型代表”，因为他们从未遭受过严重的财务危机，因此也没有动力转变商业模式。但是，AI发展的速度和潜力巨大，制药公司也无法拒绝其吸引力，这些医药领域的利益相关者需要更多的沟通，来了解到底怎样运用AI。
效率是药物开发的关键，特别是对于那些正卡在FDA的创新企业来说，他们可能会让AI的能力变得更强大。辉瑞负责数字战略与数据创新的副总裁Judy Sewards表示：“我在一个需要花12年才能推出一种新产品的行业工作，12 年相当于三个总统任期，或者说三届世界杯的时间。在那段时间里，1600名科学家需要着手研究，进行3600次涉及数千名患者的临川试验。我们考虑的是AI能不能加快这一进程，使其更智能化，将突破性药物与相应的患者需求连接起来？”
Sewards表示，“使这样的设想成为现实”正是他们与IBM 沃森进行免疫学研究的目的，“有些人担心机器或AI会替代科学家和医生，但实际上它们更像是研究助理或者帮手。”
德勤医疗负责人Rajeev Ronanki说，只有三股强大力量的结合，才能推动机器学习向前发展，这三股力量是：数据的指数级增长，更快速的分布式系统，和更智能的能够处理和理解数据的算法。当这三股力量结合在一起时，Ronanki预测，CIO可以收获一些认知方面的洞见，以强化人类决策的能力，提高基于AI的参与工具性能，以及设备和流程中的AI自动化水平，提升领域相关的专业能力。他引用一段IDC报告的内容，称：“我们认为这种增长将会持续，预计在机器智能方面的投入将增加到313亿美元。”
“今天我们所处的位置基本是零，”Roam Analytics的首席执行官兼共同创始人Alex Turkeltaub表示，“我们多多少少想出了一些商业途径，最多只能使用硕士生水平的统计数据。因为要把数据放在一起并同时要处理监管问题是非常困难的。大多数最前沿的深入学习算法是在60年代开发，而它们的想法又来自于16世纪。我们必须找出更好的方法。”
就像辉瑞公司的Judy Sewards所指出的：“在这个行业，你必需有百分之百的确定性，因为一旦犯错，有些患者可能就要为此付出生命。”