当医学遇到机器时，人类温西特（Winsit）上午7:38，玛雅·劳（Maya Rao）博士sips不热的咖啡，同时瞥了一眼她的收拾时间表：十名患者，两名转介，一个转介，一例返回的胸部不适。在她的第一位患者走进去之前，她的AI副驾驶已经标记了一名患者趋向早期高血压的趋势，并起草了她即将开始的后续访问的关键笔记。不是因为她的一天不那么忙，而是因为多年来她并不觉得自己独自做到这一点。它不会在屏幕上徘徊，提供戏剧性的见解。它安静地生活在背景中，作为数字合作伙伴工作。它扫描患者的历史，强调了大多数人可能会错过的模式的潜在风险，并建议下一步。它提取了先前的实验室工作，将跨EHR的点连接起来，并轻轻地轻推医生：“患者X的血压趋势升高了18个月。考虑早期干预。”这不是魔术。它是记忆，上下文和逻辑 - 在没有自我，疲劳或bias.dr的情况下交付。 Rao简单地说：“这就像一位出色的医疗居民，他永远不会忘记任何事情，不会疲倦，并且总是让我专注于最重要的事情。”与人类助手不同，它会扩大。对于她名单上的每个患者，副驾驶进行背景评估，比较趋势，并实时组织细节 - 让Maya做她一生训练的一件事：Care.then。到中午时，她跑了。在下午3点之前，她已经精神疲惫。