无论是临床诊断、病人护理，还是施药;无论是药品生产、组织管理，还是医保信息交互，这些AI系统都为医疗从业者的工作起到了极大的助力。
AI是如何被融入到医学研究和医疗健康的?
将AI系统融入到医学研究，具有令人极为欣喜的应用前景，它能帮助我们更好地理解那些疾病的病理，帮助我们开发出更多的新式治疗手段，实现更为精准的医学诊断，甚至还能私人订制地为个人生产出特制的药品。
然而，鉴于目前仍存在的将AI应用到医疗领域的局限和偏见，它们或将阻碍这些应用前景的实现，而这就需要研究人员更为细心谨慎地去探索这一前沿的技术。
目前，这些将AI技术应用到医疗领域的局限，包括有不完整或不准确的研究数据，即未含盖到特定的少数群体，除此之外，尤以美国医保系统为代表的复杂医疗补贴激励制度，也将在一定程度上阻碍到了AI医疗技术的应用。举个简单的例子，目前的一些医疗补贴制度会更支持个别种类的药物研发，或是更倾向于补贴个别治疗方案。
医疗研究数据时常会表现出客观、通用的属性，但在实际应用的过程中，这些研究结论往往会表现出片面、暂时和只针对某些团体或病症的特性，而AI系统根据这些“片面”数据所分析和建立出的模型，可能会引出、建立或是衍生出一些错误的猜测。
所幸的是，这样的错误情况是可以避免的。如果一个AI系统所收集的数据不存在上面我们所提到的那些瑕疵(假设这点是可以被保证的)，或是该AI系统所使用的数据框架像随机对照试验方法(randomized control trials, RCTs)或是其它公共医疗数据库那样，具有自行矫正这些问题的能力，能减小其内在错误偏差的话，它就能有效地避免重大误差的出现。
假设这些误差微小到可被忽略，将AI系统融入到医疗健康研究和临床实践中心的一个最有可能实现的应用前景，是让AI去协助医生进行病症诊断，从海量数据中发现规律性的模式，从而帮助医生更早地揪出那些藏匿在身体深处的“狡猾”病灶。
事实上，AI系统目前已经可以完成对部分病症的诊断了，这其中就包括了白血病。在检查和临床护理环节，AI系统在一些情况下，也有几率能减少，甚至预防误诊情况的出现。须知，误诊是可以致命的，AI辅助诊断技术的价值之高，可想而知。
在这方面，AI系统在诊断和确立病症的环节上，正扮演越来越重要的角色。然而，也正是因为如此，研究人员必须警惕，要避免出现因AI错误猜测，而推断出“正常”或是“平均”等健康状况描述的情况的发生。
类似的，我们只需要回顾一下美国在1973年前的那段历史，就想象出当AI出现误诊时，会发生什么样惨剧。彼时，美国精神病学协会(American Psychiatric Association)将同性恋作为一种精神疾病列入到了它权威的精神病诊断和统计手册当中，这样一来，悲剧的出现就不可避免了。
同样的，当AI系统被直接地应用到病人护理时，它们将涉足到诊断和临床管理的方方面面，而这也时常将隔开看护者同病人之间的距离，所以，适当地明确出AI“专业程度”的局限，是非常重要的。
一名人类外科医生在上岗之前，会先上医科大学，在经历过层层严苛的考核后，他们的医术才能获得世人的承认，然而，我们要如何造出一个出色的AI大夫来协助，或者甚至是取代一个有“文凭”的人类名医呢?
这样一个AI医疗系统意味着它需要具有绝对准确的专家级权威水平，不会出现误诊或是诊断偏颇的情况。这种级别的信任代表着这些AI系统无论是在出厂的能力评估上，还是在检测其极限能力上，都可以接受更少的审查，而这也将制造出那些，目前还未被医学伦理框架所囊括的新型伦理问题。
除此之外，我们还需要关注类似于这样的AI医疗系统在医保领域内被布置于何处，使谁受益等等这样的问题。尽管让医疗健康惠及所有人，让大家都能负担得起确实是一种需求，但已有大量的证据表明，取得医保和健康数据的权限并未被公平地分配，在多数情况下，穷人、非白人和女性群体常常处于劣势地位。
让AI系统融入到医保体系，非但不会根除这些系统性的不平等问题，反而还有可能会放大这种问题的严重性。虽然AI系统可以实现合适的定制化医疗护理，让各式各样的人都获益，但它也可以被故意培养成过滤掉那些之前就常常被忽视、被服务不周的外围群体。