精準(zhǔn)醫(yī)學(xué)或許目前看來還有些不切實際，但確實有非常大的發(fā)展?jié)摿?。Healthcare IT News報導(dǎo)，加州大學(xué)柏克萊分校的量化生物科學(xué)中心負責(zé)人Ross Wilson表示，未來基礎(chǔ)照護和基因定序變得非常重要，它們將會判斷哪些病患可以受惠于基因定序。

　　精準(zhǔn)醫(yī)學(xué)有非常大的發(fā)展?jié)摿?，但眼前仍有許多問題待克服。

　　精準(zhǔn)醫(yī)學(xué)能夠推廣到什么程度?目前負責(zé)國家衛(wèi)生研究員(NIH) All of Us計劃的Eric Dishman表示，該計劃希望吸引100萬名美國民眾參與，但現(xiàn)在已經(jīng)在思考如何推廣到世界各地的數(shù)十億人口。

　　但要達成這個目標(biāo)，必須解決許多數(shù)據(jù)搜集與分享的問題，還必須重新設(shè)置健康照護系統(tǒng)，如此才能利用現(xiàn)代IT基礎(chǔ)設(shè)施來支持精準(zhǔn)醫(yī)學(xué)。但許許多公共衛(wèi)生專家也警告，過度篩檢可能引發(fā)未知的問題。

　　許多人不愿意接受基因檢測，是因為擔(dān)憂受到保險公司的不公平對待。這一切讓醫(yī)療業(yè)者面臨尷尬處境，因為即使病人愿意接受基因篩檢，但許多病患都不希望醫(yī)院將這些資料放到病例中。目前的電子病例和IT基礎(chǔ)設(shè)施，都還不足以應(yīng)付精準(zhǔn)醫(yī)學(xué)所需的大數(shù)據(jù)。

　　利用快捷式健康照護互操作性資源(Fast Healthcare Interoperability Resources;FHIR)標(biāo)準(zhǔn)，并使用手機作為中介，或許是一個可能的方向。這樣可以充分利用一般家庭里的裝置，也可以讓病患有更多掌控權(quán)，決定誰能分享他們的數(shù)據(jù)。

　　但手機無法解決所有問題。人工智能與機器學(xué)習(xí)是必要的，必須用這些算法來清理醫(yī)療照護系統(tǒng)的龐雜數(shù)據(jù)，使其適用于復(fù)雜的人工智能工具。