群层面和/或系统层面，这是一个很复杂的网络。”
　　Patchava说，“至少在我的有生之年，人工智能在临床护理中的应用还不成熟。虽然有几个领域可以部署机器学习来改进系统过程，但其输出如何从输入中获得的不可知性以及对临床决策支持系统的过度依赖仍然是未解决的道德问题，从而在医疗保健领域减缓替代人类的工作。例如，如果我做了乳房X光检查，尽管10次中可能有6次或7次确认，人工智能可能能够准确地检测出乳腺癌，如果我的扫描结果是10次中有3次或4次被认为是‘不明确的’，我肯定希望人类医生为我诊断，我可以咨询他们，并让我确信他们的诊断。人工智能算法的新进展缩小了计算机和人类专家在检测乳腺癌方面的差距，但是我们对计算机的标准有所不同。尽管人工智能系统可以满足图灵的测试(表现出与人类医生相当或无法区分的智能行为的能力)，但患者(消费者)会接受这一点吗?我相信，如果人工智能要在医疗保健领域取代人类，这种替代须证明其准确性得到提高，而不仅仅是等同性。”
　　人工智能在医疗保健的应用如何具有价值?
　　她说，“计算机永远不会完全了解人类。算法和代码也不能真正复制人类意识和潜意识的行为、态度、想法、期望。然而，机器学习显著发展的一个领域是基因组学，研究一整套基因，一个有机体的组合。利用人工智能更快、更便宜、更准确、更有效地对DNA进行测序和分析，可能对我们提供医疗保健的方式产生重大影响。通过基因组学，我们可以更深入地了解患者的行为。例如，他们容易受到哪些疾病的影响，并使用它来做出关于其护理的决定。早些时候我们谈到了从治疗到预防的转变，基因组学构成了缺失部分。药物基因组学可以帮助我们了解个体如何对某些药物做出反应，从而推动个性化治疗。反过来，它也可以帮助为未来做好准备。例如，如果某人尚未患糖尿病，但患糖尿病的风险很高，我们可以为他们提供更高水平的有针对性的干预措施，以降低风险和/或预防灾难性事件，可以全面降低成本，改善结果。”
　　她表示，“我认为基因组学将推动医学的未来，我们可以提供量身定制的个性化服务，但我也认为基因组学永远不会是完整的答案。我仍然希望医生或者至少是医疗保健专业人员来解释诊断结果，为我提供预期的建议，并制定治疗/行动计划，同时考虑到我的顾虑和偏好。作为医生，我们必须记住，患者就是坐在你面前的人，而不仅仅是算法或代码。”
　　Patchava指出，“各行业的自动化技术潜力差异很大。金融服务行业在捕获和利用我们的数据方面远远优于个人，最近在数字方面也是如此。通过这样做，他们能够基于例如所获得的收入来识别模式，并且部署预测分析以预测消费者行为。在医疗保健方面有些落后，在医疗卫生系统中仍然存在一些不同且分散的数据集。为了取得成效，我们不仅需要在个人和人口层面汇集现有数据集，而且我们还需要获得更深入、更全面的人们健康状况图表，而不仅仅是疾病。这是可穿戴设备和连接设备等新技术可以帮助填补一些空白的地方，为医疗保健专业人员和系统‘疾病护理’转变为‘医疗保健’。”
　　输入DLT用于医疗保健
　　在大多数情况下，如果人们听到区块链这个词，可能会立即想到比特币，有些人甚至可能会想到暗网、洗钱、骗局、赌博等。因此，很多人远离区块链技术，并考虑底层分布式账本技术(DLT)的潜力。
　　她说，“我们已经讨论过获取更多数据以帮助决策。然而，全球医疗保健和卫生系统面临的主要挑战是数据流动性。障碍、监管、政策、流程将会阻止系统内部的数据流动。
　　如果现在某位患者去找一位全科医生看病，那么会怎么样?这位全科医生可能不知道这位患者上周住院，并且没有收