临床试验中如何实现人工智能和自动化？从商业智能出发，通过商业智能政策，建立结构化数据模型，利用商业化的智能工具，对数据进行分析，将大数据分析嵌入云平台，最终提高临床试验性能。
目前的数据量已经非常庞大，面对这么多的数据，不同的操作给试验者也带来不便，也因此需要一套新的数据核查流程来配套现状。另外数据预测的模型最终的风险值如何？数据模型建立后并非一劳永逸，就像是天气预报会有不同的报告参考指标。数据模型最终是PASS或者FAIL都是需要前期的流程和严密的质量控制的。
神话or现实？
在过去的几十年里，AI经历了至少三次起落，从一开始的新技术诞生被高估、唱衰、再到回归热点。长远的看，每一项技术都是被低估的，我们应该秉持一个拥抱的态度去看待一项新技术，做到包容并且不断去尝试新的突破。
AI并非神话，而是在现实中一步一步往前走。AI简单来说是先人工后智能。人工地获取高质、足量的数据， “喂饱”了机器，实现深度学习，才能变得所谓智能，但同时一定是要站在伦理的界限内。
