IBM Watson 是认知计算系统的杰出代表，也是一个技术平台。认知计算代表一种全新的计算模式，它包含信息分析，自然语言处理和机器学习领域的大量技术创新，能够助力决策者从大量非结构化数据中揭示非凡的洞察。IBM Watson 系统具有几大能力：

Learning（学习）：它有优秀的学习能力。Watson通过以证据为基础的学习能力（Evidence based learning）,能够从大数据中快速提取关键信息，像人类一样进行学习和认知。可以通过专家训练，并在交互中通过经验学习来获取反馈，优化模型,不断进步。

此外，它还有精细的个性化分析能力，它能利用文本分析与心理语言学模型对海量社交媒体数据和商业数据进行深入分析，掌握用户个性特质，构建360度个体全景画像。

Watson不仅仅是这些技术的简单集合，而是以前所未有的方式将这些技术统一起来，深刻改变了商业问题解决的方式和效率。

简单来说，Watson能够支持如下方面，包括但不限于：

Watson的技术有潜力应用到商业发展上，推动各行各业的转型，其中Watson肿瘤治疗（Watson for Oncology），Watson通过MSK外科医生的专业培训后，将为临床医师提供以证据为基础的治疗方案。不论是社区医院还是全球顶级医院，肿瘤专家像所有临床医生一样，都在通过大量的研究成果、医疗记录和临床试验来了解、学习该学科的最新动态。Watson结合重要的知识，协助肿瘤专家解决问题。现在，通过IBM和MSK之间的合作，Watson利用世界知名的MSK公司的专业知识，深度评估和分析每一个病人具体情况。

Watson临床试验匹配  （Watson for Clinical Trial Matching）能够帮助确认临床试验匹配的潜在人选。利用认知计算，Watson能够分析临床试验潜在人选的特征，通过评估这些候选人对于相关条件符合的程度，来帮助临床医生，更快速有效的选择临床试验的合适人选。通过提高潜在人选筛选的效率，来帮助提升临床试验的成功率。

P53 是与许多癌症有关的一种重要蛋白质，迄今已有 70,000 篇有关这种蛋白质的论文。贝勒医学院研究院表示，即使科学家一天阅读五篇论文，也要花 38 年时间来全面了解这种蛋白质。然而，通过贝勒医学院和 IBM的合作，在几个星期的时间内，生物学家和数据科学家使用贝勒知识集成工具包 (KnIT) ，在Watson技术的基础上，准确地识别了可修改 P53的蛋白质，最终提高了药物和其他疗法的效果。 这种自动化分析引导贝勒医学院癌症研究人员确定了七种潜在蛋白质，作为新研究的目标。考虑到过去三十年科学家们平均每年才取得一个类似的靶蛋白发现，这一结果十分醒目。