Το ίδιο ισχύει και για χειρουργικές επεμβάσεις, όπου ένα προγραμματισμένο ρομπότ μπορεί να είναι σε θέση να ξεπεράσει τον άνθρωπο όταν πρόκειται για τη διεξαγωγή ορισμένων διαδικασιών. Αυτή η ανάλυση προέρχεται από τον Δρ Jörg Goldhahn, ο οποίος εργάζεται στο Ινστιτούτο Μεταφραστικής Ιατρικής στο ETH Zurich της Ελβετίας. Ο Goldhahn δημοσίευσε ένα σχετικό άρθρο στο British Medical Journal .
Ο λόγος που ο Goldhahn επικεντρώνεται στο θέμα αυτό είναι επειδή η ανάπτυξη με έξυπνες μηχανές και η «σχεδόν απεριόριστη χωρητικότητα» τους για επεξεργασία δεδομένων και μετέπειτα μάθηση, σημαίνει ότι μπορούν να επιτύχουν τα πράγματα με ταχύτητες που ο άνθρωπος δεν μπορεί να ταυτιστεί.
Επιπλέον, συλλέγονται μεγαλύτερα ποσά δεδομένων, αυξάνοντας γρήγορα την ποσότητα των συλλεχθέντων γνώσεων και οι μηχανές είναι έμπειρες στη μετάβαση σε αυτό αναπτύσσοντας βέλτιστες πρακτικές. Πολλά από αυτά τα δεδομένα προέρχονται από εφαρμογές υγείας, συσκευές προσωπικής παρακολούθησης και ηλεκτρονικά ιατρικά αρχεία.
Στην πραγματικότητα, υπάρχουν τόσα πολλά στοιχεία που αναδεικνύουν ότι κανείς δεν μπορούσε να διαβάσει και να αναθεωρήσει όλα όσα σχετίζονται με την περιοχή ενδιαφέροντός τους. Σε αυτό ο Goldhahn γράφει : «Η ιδέα ότι οι σήμερα γιατροί θα μπορούσαν να προσεγγίσουν αυτή τη γνώση με την ενημέρωση της τρέχουσας ιατρικής έρευνας διατηρώντας στενές επαφές με τους ασθενείς τους είναι μια ψευδαίσθηση εξαιτίας του τεράστιου όγκου των δεδομένων».
Υποστηρίζει επίσης ότι η μηχανική μάθηση δεν υπόκειται επίσης στους ίδιους τύπους μεροληψίας που συμβαίνουν με την ανθρώπινη μάθηση, όπως οι πολιτισμικές επιρροές. Ωστόσο, υπάρχουν πολλές επιστημονικές μελέτες που επισημαίνουν τις προκαταλήψεις που είναι εγγενείς στη μηχανική μάθηση και την τεχνητή νοημοσύνη. Η αλλοίωση μπορεί να προκύψει από τη μαθηματική ιδιότητα ενός αλγορίθμου ή από τον τρόπο με τον οποίο έχει διδαχθεί μια μηχανή, όπως η αντανάκλαση των στερεοτύπων ή των προκαταλήψεων του προγραμματιστή .
Η μεγαλύτερη χρήση μηχανών αντισταθμίζεται συχνά από τη σημασία της σχέσης ασθενούς-γιατρού. Ενώ ο Goldhahn το αναγνωρίζει αυτό παρατηρεί ότι οι μηχανές και τα συστήματα μπορούν να είναι πιο αξιόπιστα από τους ανθρώπους. Σημειώνει επίσης ότι πολλές από τις νεότερες γενιές συνηθίζουν ή προτιμούν να αλληλεπιδρούν με μηχανές. Άλλοι θα αμφισβητούσαν ότι η σχέση μεταξύ γιατρού και ασθενούς δεν μπορεί να αναπαραχθεί, όπως ο γιατρός Ann Robinson που έγραψε πρόσφατα για το θέμα αυτό στο The Guardian.
Ο Goldhahn σημειώνει τέλος ότι οι μηχανές μπορούν να βοηθήσουν στην ιατρική εκπαίδευση και έχουν τη δυνατότητα να βελτιώσουν τα αποτελέσματα και την ποιότητα της ιατρικής πρακτικής. Το εν λόγω άρθρο στο Βρετανικό Ιατρικό Περιοδικό τιτλοφορείται: «Μπορεί η τεχνητή νοημοσύνη να κάνει τους γιατρούς απαρχαιωμένους;»
