以上是 IBM 自动问答系统的工作流程 。整个系统围绕三个核心构成，1. 自然语言处理，2. 基于循证的自动回答，3. 基于用户反馈的自学习和系统优化。其中，自然语言处理，和基于用户反馈的自学习和系统优化，大体上是常见技术。

这三个核心中，最有启发的是第二个，基于循证的自动回答。以往的电脑医生，基本原理都是专家系统，都是基于 if-then 式的规则，都是演绎法。而循证问答，基本原理是类比归纳法。通过类比大量相似病历，归纳出对应于某些症状，医生们通常习惯于做哪些检查。然后，类比相似检查结果，归纳出这些检查结果与哪些疾病关联密切。再然后，仍然基于相似病历的类比，归纳出对应于某一疾病或者某些疾病的组合，医生们通常习惯于开哪些药，等等。

从古希腊的帕拉图亚里士多德开始，人类的主要思想方法，是演绎法。到 17 世纪初，呐喊 “知识就是力量” 的培根，首倡归纳法。思想方法转变了，现代科学就萌芽了，随后就有了伽利略、牛顿、莱布尼兹等等科学巨匠。

循证学习依赖于海量病历。但是截止 2013 年 2 月，IBM Dr Watson 只收集到了 60 万份病历，此外还有 2 百万篇文章，2.5 万案例，1.5 万小时的门诊对话录音 。远远达不到海量的数据规模。

怎么办？病历数量太少，做全科医生肯定不行。那就专门收集肿瘤专科的病历吧，全科医生做不了，那就先做专科医生吧。

为什么不惜工本的 IBM，花了那么多钱，只收集了那么一点病历呢？两个原因，1. 美国人口基数小，2. 美国隐私保护法执行太严。反观中国，一家中等规模的三甲医院，5 年积累的病历数量，就超过 1000 万份。所以，在中国做循证学习，比在美国更有机会。

今年 7 月份，IBM 与美国最大的连锁药店 CVS，签署合作协议，通过 CVS 的 7600 店铺和 1000 家诊所，监测 7 千万患者的健康状态，尤其关注糖尿病、高血压等慢性病 。今年 8 月份，IBM 花费 10 亿美金，收购医疗图像分析公司 Merge Healthcare 。

这两个举措，似乎表明 IBM Dr Watson 在发展规划上，内部有争议。与 CVS 合作，似乎意味着 IBM 计划尽快开拓市场，为患者服务。而收购图像分析公司 Merge Healthcare，似乎意味着 IBM 打算深入肿瘤、眼科、骨科、皮肤病等专科，最终完全取代人类医生诊疗在诊疗过程中的各个环节。

作为旁观者，更赞同与 CVS 合作，尽快开拓市场。而全面取代人类医生，即便仅限于某几个专科，将面临诸多艰难。但是与 CVS 合作，最好是全科，而不仅仅局限于专科。

沙特是全球石油储藏量最大的国家，中国是全球电子病历储藏量最大的国家。

如果中国也做 Dr Watson，很有希望超越 IBM 的版本。