美国放射学会首席数据科学官凯斯·德雷尔（Keith Dreyer）称，算法能够被训练来寻找特定的状况，但“大多时候你连自己要寻找什么都不知道。”
“病人咳嗽，原因可能有上千种。”他说道。胸部X光片上的“白云”可能是肺炎，也有可能是肝癌。
最大限度地提升准确率，需要算法分别就每一种症状和疾病接受训练。这可是一个需要耗费巨大的人力物力的过程。德雷尔指出，接着，美国食品和药物管理局必须要批准系统和医生将算法整合到他们的实务当中。
目前已经出现一些针对医学成像的商业化AI应用，但IBM沃森还没有推出该类应用。该公司的发言人表示，针对乳癌和皮肤癌的拟议应用的推出时间，要看监管部门什么时候通过审查。
人们对于AI抢夺饭碗的恐慌，不免让人联想起近20年前各类工作的离岸外包担忧。一些经济学家曾预言，国际宽带连接意味着很多的医学图像解读工作将会被外包给印度薪水低得多的放射科医师。实际上，这从未发生过。
美国监管机构并不希望让不受其管制的医生查阅美国病患的医学图像，而且新兴市场很少人拥有所需要的技能和经验。自1995年以来，美国放射科医师的数量增长了40%多。（乐邦）