想要將某個領域的發展繼續推進，有時候必須停下來看看現有的狀況，進行策略性整理和分析，才能訂出未來發展的大方向。醫療領域的發展也是如此，在醫院收集的數十億筆病例中，包括CT圖、X光圖、病理圖等數子化醫療記錄，我們為了要發展精準的醫療科技，近幾年科學家希望能通過人工智能的技術在這些數據中找出核心關鍵。

來自美國斯坦福大學（Stanford University）博士研究員Leon Bergen在TRANS Conference 2018論壇上表示，醫療機構現有的數據將會是未來數字醫療發展的重要資料庫，我們通過計算機建模和實驗來研究語言學方法，在語言分析過程中清除不相關的資料。擁有一個有效且完整的醫療數據庫，必須先清除醫療資料庫中的暗數據，才能進一步分析，并提供醫療人員正確的決策方向。

目前醫療護理流程圖、醫生診斷記錄、放射科報告、肺部疾病報告的數字化醫療數據都可以透過AI進行分析。研究員Bergen表示，在進行數據分析之前，整理雜亂且無法直接使用的暗數據（Dark Data）是相當重要的一點。技術人員提供整理過的數據給AI系統進行深度學習，在這過程中包含了收集大量數據、清除暗數據、訓練神經網絡和通過網絡內容進行分析。

Bergan指出，在訓練AI系統的深度學習過程中，研發人員必須不怕出錯，在不斷試驗的過程當中，神經網絡會依循每一次的結果改進，并給予不同以往的產出。研發人員必須評估神經網絡產出的結果，并調整網絡的學習數據。

舉例來說，當系統判斷病患有67%的死亡率，數據人員就必須依照最后病患實際的存活狀況來調整系統的數據設定。通過真實的結果與事先預測之間差異的反饋，才能不斷提高之后的預測精準度。

以往數據似乎就是片段的資訊，然而現在圖形數據已經可以透過強大的圖形處理器（GPU），提供既快速又系統化的分析。不過在電腦斷層掃描（CT）的分析上，有時候還會出現AI分析的結果與醫生的判斷有出入。此時，就必須比對神經網絡、醫生診斷和CT圖片上的各種差異。

對于人工智能是否取代人類，Bergen 表示，許多評論都認為在未來幾十年之內，AI很有機會在很多領域的分析勝過人類，但要完全取代人類還是有困難的！