如果您想继续某个领域的发展，有时您必须停下来看看当前情况，进行战略排序和分析，以设定未来发展的总体方向。医学领域的发展也是如此。在医院收集的数十亿病例中，包括CT图像，X射线图像，病理图像和其他数字病历，我们希望开发精确的医学技术。近年来，科学家希望通过人工智能技术在这些数据中找到核心关键。美国斯坦福大学的博士学位研究员Leon Bergen在2018年TRANS大会上表示，医疗机构的现有数据将成为未来数字医疗发展的重要数据库。我们使用计算机建模和实验研究语言方法，在语言分析过程中去除不相关的信息。为了拥有有效而完整的医学数据库，必须先清除医学数据库中的暗数据，然后再进行进一步分析，并为医务人员提供正确的决策方向。目前，可以通过AI分析诸如医疗流程图，医生诊断记录，放射学报告和肺部疾病报告之类的数字医学数据。卑尔根研究员说，在进行数据分析之前，整理出杂乱且不能直接使用的暗数据非常重要。技术人员将排序后的数据提供给AI系统进行深度学习。该过程包括收集大量数据，清除暗数据，训练神经网络以及分析网络内容。 Bergan指出，在训练AI系统的深度学习过程中，研发人员一定不要害怕犯错误。在连续实验的过程中，神经网络将根据每次的结果进行改进，并给出与过去不同的输出。研发人员必须评估神经网络的结果并调整网络的学习数据。例如，当系统判断患者的死亡率为67％时，数据人员必须根据最后一名患者的实际生存状况来调整系统的数据设置。通过反馈实际结果与先前预测之间的差异，可以连续提高后续预测的准确性。过去，数据似乎是零散的信息，但是现在可以通过功能强大的图形处理单元（GPU）快速，系统地分析图形数据。但是，在计算机断层扫描（CT）的分析中，有时AI分析的结果与医生的判断有所不同。此时，有必要比较神经网络，医生诊断和CT图像的各种差异。关于人工智能是否会取代人类，卑尔根表示，许多评论认为，在未来几十年中，人工智能在很多分析领域都有超过人类的机会，但是要完全取代人类仍然很困难！