医疗界同样担心Watson在M·D·安德森癌症中心的缺点和不足。为《美国国家癌症研究所杂志》撰稿的查利·施密特（Charlie Schmidt）说：“一所大学审计了这个项目，结果暴露了诸多采购问题、成本超支和项目延误。虽然审计对于Watson的科学基础或功能能力没有任何立场或偏见，但确实列出了将Watson融入到医院环境中所面临的种种挑战。“熟悉Watson应用于肿瘤学的专家描述了该系统解读书面病例报告、医生笔记以及医疗保健中生成的其他文本密集型信息的能力所存在的问题。”

Watson的根本缺点

IBM的Watson在2011年赢得了智力竞赛电视节目《危险边缘》，当时博得世人的无尽赞誉。可是这几年，IBM还没有发布这个平台的新版本。IBM满足于对这项技术持续地做有限的改进，而不是推出大幅改进的“Watson 2.0”。

相比之下，人工智能技术界的其他厂商却一直在快速创新，抛开帕里哈皮蒂亚的贬损言论不说，风险投资家资助的初创公司现在轻易超过存在软肋的Watson。

Watson不是没有软肋。Watson需要好多个月艰苦的训练，因为专家们必须为这个平台“馈入”大量精心组织的数据，才能得出有用的结论。然后，它只能根据拿来训练的那一批数据，开奖，即数据集，才能得出结论。

对于Watson来说，“精心组织”这个要求特别具有挑战性，因为未准备好的数据集通常不适合。因而，Watson客户必须聘请专家顾问团队来准备数据集，这是个费时又烧钱的过程。

Watson也无法跨不同的数据集建立联系，因而甚至无法在每个数据集之外获取基本的洞察力。比如说，在肿瘤学方面训练Watson不会为它提供心脏病方面的洞察力――这就严重限制了其在临床环境中的用途。

博思艾伦咨询公司的一群专家和一名医学博士为Health Affairs网站撰写的一篇博文解释了这个挑战。这群专家包括：博思艾伦的数据解决方案和机器智能部门首席数据科学家欧内斯特·索恩（Ernest Sohn），博思艾伦的负责人乔基姆·罗斯基（Joachim Roski），博思艾伦的战略创新部门副总裁斯蒂文·埃斯卡拉韦奇（Steven Escaravage），以及乔治敦大学医学院的紧急医学助理教授、医学博士凯文·马洛伊（Kevin Maloy）。他们解释道：“在护理过程中通常需要的复杂决策方面，人类智能比机器学习更胜一筹，因为机器还没有具备感知、推理或解释等方面的成熟功能。此外，尽管取得了重大进展，就连最先进的机器学习算法也常常无法提供临床决策所需要的足够的灵敏度、特异性和精确度（即阳性预测值）。”

索恩以及其他人并没有点名是IBM Watson，不过从他们的文章背景中可以清楚地看出这个对象是谁。他们继续写道：“如果一家医疗机构依赖单单一家电子健康记录（EHR）供应商的分析解决方案，在大数据时代之前又自行构建了老式的分析基础设施，那么取得的进展可能很有限。”

他们然后描述了这类有限的进展，介绍了Watson（或类似平台）可能适用的各种不同用途。“虽然许多机器学习解决方案还不够成熟和先进，因而不足以支持复杂的临床决策，但机器学习在今天可以高效地部署，减少更多日常性、耗时、资源密集型的任务，让腾出来的人员可以改而处理更高端的工作。”

这些专家还表示了他们认为人工智能在医疗保健领域的最有用的创新将来自哪里，而Watson肯定不在名单上。“领先的机器学习解决方案（无论是通用型的，还是专门面向医疗领域的）都在迅速发展，可能不光来自创新的医疗集团，还可能来自初创公司和老牌的科技公司。许多这类解决方案（谷歌、Facebook和OpenAI）都是开源的，可供任何人使用。”

Watson现在本该有怎样的成就？

正如M·D·安德森癌症中心失败案例表明的那样，IBM掉入了言过其实的陷阱。弗里德曼特别指出：“IBM在2013年声称‘一个新的计算时代已出现’，当时给《福布斯》杂志的感觉是，Watson‘现已进入临床试验阶段，有望在短短几个月后供患者使用。”