決策模式
「望、聞、問、切」的傳統臨床醫學教誨，其實是一種素樸的「大數據」模式識別（pattern recognition）演算法；醫師專業養成教育的邏輯，與機器學習的訓練模式差可比擬。大數據的「大」不在於數量大，而在於其汲取關連性與啟發洞見的潛力大。但從識別模式到作出診斷及預後，經過嚴格訓練的醫師的決策模式往往不是基於數據驅動的貝氏推斷，而是基於處理不完備資訊的過往經驗中歸納出來的概測規則（heuristics）。就算深度學習人工智能已經進步到可以即時存取全球所有臨床病歷、模擬醫療行為的後果，甚至避免人腦難以避免的認知偏誤（cognitive bias），人類醫生在多年急診與門診中處理各類突發狀況所磨鍊出來的直覺與決斷力，在可見的未來仍難取代。如果傑德連人類同僚的不同診療意見都不願採納，又如何能期待他尊重診療機器人的臆測？當護士仍在用肉眼與手寫紀錄病患數據而且醫院資訊系統可能藏有資安漏洞與竄改後門時，臨床醫學「AlphaGo時刻」破曉前的長夜，依然漫漫。
服務架構
時間是最稀缺的醫療資源，競爭神醫一分鐘的機會成本就算遠高於接受診療的邊際效益，不計代價排隊的人龍長度仍將遠大於零，這是人性求生存的本能使然。只要醫療服務還未完全線上虛擬地提供，而且政客有誘因用政治解決健保制度的經濟問題，醫療體系都不可能避免某種形式的浪費（資源配置未優化）。當醫療服務的商業模式是基於取用醫療資源的次數，而非基於該醫療資源對個別病患的價值，不論健保制度是公辦還是民營，保費高低是基於冷冰冰的數據還是流水般的民意， 因為社會福利與人道考量，很難想像一份完全根據基因定序與生活習慣的完全差別定價的保單，或是一套毫無「備載容量」的醫療基礎建設。醫療體系與金融體系一樣，必須能禁得起嚴格的壓力測試，這並不意味著病患與醫療政策制定者期待醫生與護士持續承受高壓，甚至被剝奪睡眠之後，還能正常運作。
從區塊鏈技術與分佈式系統的觀點來看，既有醫療體系在這三個面向所呈現出來的問題，是系統安全架構的問題。架構缺陷有機會用科技改善，也可以用更多的監管法規「解決」。從投資佈局策略著眼，探索區塊鏈技術與分佈式系統所可能創造的新局，是非常有意思的思想實驗。區塊鏈作為可信程度較高的分佈式加密資料庫，有機會利用其技術架構來改善以下的問題：
- 醫療服務提供者不願意分享病患醫療數據所導致的作業風險與人工成本；
- 醫護資訊系統與醫保資訊系統因為設計差異導致各自搜集的數據無法有效利用交流；
- 醫療體系以外的大數據無法被有效搜集、承認、分析、運用；
- 病患對敏感醫療個資與對高風險醫療行為的授權缺乏自主權；
- 醫療機構、生技公司與保險公司利用臨床大數據進行科研與商品化的流程的不透明；
- 智能醫療設備之間缺乏安全加密通訊聯網能力的跨平台整合協定；
- 層層疊加且陳舊難以維護的醫療資訊系統無法有效控制維運成本與換代升級的困難；
- 藥品供應鏈溯源、認證與採購流程的不透明；
- 醫療相關保險從產品交易導向的金融服務轉型到用戶行為誘導的資訊服務商的困難；
