Όπως η έννοια των "Ενδείξεων" έθεσε τάξη στο χάος προϊπποκρατικών ιατρικών απόψεων, αυθαίρετων, προσωπικών, υποκειμενικών και αλλοπρόσαλλων, παρόμοια η σύγχρονη Ιατρική έχει μεγάλη ανάγκη μιάς απόλυτης θεωρητικής βάσεως για μαθηματική ποσοτικοποίηση (είτε λογαριθμική είτε εκθετική) του βαθμού Σημαντικότητας των ιατρικών ψηφιακών πληροφοριών (δεδομένων), που βρίσκονται αποθηκευμένα στον ψηφιακό φάκελο εκάστου ασθενούς.

Αν επιτευχθεί πράγματι ποσοτικοποίηση της Διαφορικής Σημαντικότητας των ιατρικών πληροφοριών, τότε θα μπορούν να εξαλειφθούν οι ακόλουθοι κίνδυνοι:

α.- ο κίνδυνος να απωλεσθεί ή να αποκρυβεί ιατρική πληροφορία Κρίσιμης σημασίας, αλλά εκφρασμένη σε μικρή ποσότητα ολίγων bits ( λ.χ. ‘Παρουσία ή Απουσία Διασποράς καρκινώματος μετά από εξετάσεις ή εγχειρήσεις σταδιοποίησης’, ‘ασθενής Ζωντανός ή Νεκρός’) μέσα σε έναν ωκεανό πλημμυρισμένο από μεγάλη ποσότητα δεδομένων (σε GBs) πολύ λιγότερο σημαντικών,

β- ο κίνδυνος να μην καταφέρουν διαγνωστικοί αλγόριθμοι υπολογιστών (Deep Learning) να αναγνωρίσουν την ιεραρχική σειρά Σημαντικότητας ετερογενών ιατρικών ψηφιακών δεδομένων, τα οποία πρέπει να ληφθούν υπόψη προκειμένου να εξαχθεί ένα ασφαλές και εύλογο τελικό συμπέρασμα.