IBM 所建造的新世代超級電腦「華生」(Watson)，在 2011 年的益智問答節目 Jeopardy! 中擊敗兩位世界紀錄保持人，獲得冠軍並贏得 100 萬美元的獎金，這被認為比1997年IBM的深藍電腦在對弈中打敗當時的世界棋王更具意義，當時Watson所展現的機智反應，奠基於今日我們所熟知的大數據資料處理能力。

在人工智慧的發展過程中，Watson是電腦語言分析以及機械理性的一個重要進程，但對醫學領域的專家而言，Watson帶出的另一個非常重要的課題: Watson’s的人工智慧能力能否被應用到醫藥領域? 人工智慧將如何改變醫療照護的面貌?

自1970年代開始，就已經開始有應用計算機進行輔助醫學的相關應用，諸如醫學文獻最常見的PubMed搜尋系統以及自動化的病患監控警示系統都是人工智慧的發展成果範例，這樣的資訊應用被認為能發揮相當的助力，但過往並不被認為真的能如同人類助手一般聰明，但Watson在與語言方面的認知理解，溝通的互動，以及在錯誤方面的學習等展現的複雜思考能力，可能會改變我們過往的認知。

今日臨床研究的成果，研究資料庫，以及期刊文獻都已經被整合以機器可閱讀的方式呈現，同時病歷資料也已透過電子格式的方式成為可被電腦讀取的通用格式，更為完善的程式語言被認為能夠創造更有效率同時成本更為低廉的健康照護環境,這也是Watson被IBM認為能夠在醫療領域取得另一個成功的原因。

然而，在Watson被寄予厚望一段期間後，目前尚未呈現出令人滿意的成果，並被認為還需要相當的時間才能達成目標，主要的原因是複雜的醫學詞彙以及所隱藏的內涵並不如一般的語言文本容易被理解，Watson能夠處理複雜的工作，但這必須先透過對醫療領域語言的適應，以及對多面向領域進行個別的學習以及工作界定，因此後來許多Watsons在不同的機構出現，例如Cleveland Clinic, Memorial Sloan Kettering Cancer Center, MD Anderson Cancer Center以及保險公司，這些機構透過與IBM的合作進行符合自身的健康照護輔助需求，後來諸如Welltok(個人健康照護建議的軟體製作); @Point of Care(嘗試針對多發性硬化症的發展個別化治療), 以及Modernizing Medicine(針對巨量的病患病歷資料進行分析並建構治療模式協助醫師對相似的病歷進行管理)都在這樣的過程中被發展出來。整體而言Watson的訓練是一個艱苦的過程，需要電腦科學家和臨床醫生共同建構一個參考資料庫，輸入案例研究，並提問成千上萬的問題。當程式出現錯誤時，它要能夠自我調整，也就是所謂的機器學習，但Watson並不是單獨學習,研究人員會評估答案，並手動調整Watson的基礎運算以產生更好的反應結果。

另一方面，Watson的文本解讀能力雖然使其能在醫學文獻知識文獻快速增長的今日成為得力的助手，但大量的資訊並不一定代表能在醫療上取得進展，舉例而言，在建構肺癌治療的模式時，有些時候從文獻或現有臨床治療指引上並無法找出正確的答案，相對地必須觀察醫師實際的臨床處置，甚至有時雖然現存的大量資料呈現一定的相關性建議，但最有用的處置仍然來自於小組專家所提出的實際方案。

醫療資訊的正確品質是Watson進步的另一個挑戰， 以WatsonPaths為例，必須在能夠認知病患記錄的狀態下才能工作，但電子病歷往往因為最初是在考慮醫院管理而不是病人照護品質的結構下進行設計，造成後續數據的收集與呈現產生相當的問題，這也連帶影響Watson的發展。

雖然Watson不能解決基層門診醫生短缺或重拾醫病關係在五分鐘門診時代失去的連結，Watson也不能單獨改變以量計酬的醫療支付模式，但它代表人工智慧也許有機會改善其中的一些問題，更好的醫療記錄處理也許可以使與病人有更多的時間與醫生進行溝通而不是進行更多檢查，健康專業人士也能夠透過AI在分析醫院和研究數據提供的協助使他們能夠更容易有效的進行實證醫學。