人類的疾病是在遺傳背景和環境因素工同作用下產生的。基因只反映了由遺傳決定的因素，只能解釋當下5-10%的疾病發生，並不能算出那些受後天因素影響的慢性病和癌症。要做到更精準的醫療，只靠基因檢測遠遠不夠。如系出美國史丹佛大學的雲檢團隊，已能做到更即時的多組學生理大數據結合醫療大數據的AI分析應用。

      多組學不單只分析基因體，還包含代謝體、蛋白體、自體免疫，腸道菌群以及環境暴露因子等當下生理數據，加上臨床病歷醫療資料，全面性地人工智慧整合解析產生結果，這樣的精準醫療才算精準。

展望案例(二)：雲檢

       美國史丹佛大學醫學院的人工智慧團隊，5年來在美國使用AI分析3700萬人的醫療記錄，包括醫院病歷、臨床診斷記錄、生化檢測數據、用藥記錄、保險賠付、及社會行為決定因素，因此產生的AI有500+醫療績效考核模型，和200+疾病風險預測模型。並且以每年新增的10億條醫療記錄，通過人工智慧機器學習，不斷地訓練這些模型以優化其準確度。這套醫療AI系統已使用在美國醫院管理、保險精算、政府控管等領域。

      這些AI應用包括急診風險、住院機率、住院天數、在院花費、出院後再入院機率、併發症風險等預測精算、與院內風險控管、資源分配等醫療決策，在美國實際運行已達到急診數減少15%，30天回診數減少13%，住院天數減少12%，院內死亡降低37%等成效，並且為逾200家醫院診所每年節省了15~30%的醫療支出。

      整合了世界領先的多組學檢測平台技術和醫療數據AI分析方法，2年多前(2015年)在美國矽谷成立了雲檢，利用多組學檢測數據，針對疾病發生過程中的生理變化，發展出更精確的疾病預測和監控AI模型，做到量化解析個人的健康和疾病狀態，突破傳統健檢只能告知是否得病的侷限，可以預警可能即將發生的疾病，提前介入干預來避免疾病發生。迄今已建立了包括多種癌症、心肌梗塞、腎病、中風、老年痴呆症，糖尿病在內的近三十種常見疾病的個人化多組學AI模型，並經過樣本測試驗證，可以追蹤預測疾病發生趨勢，運用在主動式健康管理上。

      現今，雲檢已在台灣設立研發和營運據點，與本地醫療機構合作，對台灣當地疾病，結合系統中80萬亞洲人的數字模型，產生更適用於亞洲人的醫療AI，建立發病前精準預測和精準干預，發病後精準治療和精準康復的個人化與智慧化的健康管理模式。