NEJM 最新发布了一篇题为“Artificial Intelligence in U.S. Health Care Delivery”的综述文章，明确提出“在提供医疗保健方面，人工智能仍处于早期阶段。”医疗保健仍然是采用人工智能缓慢的领域之一。作者来自哈佛大学经济系、剑桥（N.R.S.）、美国医疗保健改善研究中心，麦肯锡。
由于几个原因，人工智能在医疗保健提供方面的采用滞后。首先，考虑到所需的医疗保健数据的许多不同来源和类型，已知它们比其他业务部门中的数据更加异构和可变（例如，在Netflix中进行电影推荐的数据）。 这给AI的应用带来了挑战。另一个主要原因是与基于价值的支付模式相比，按服务收费的支付模式。后一种支付结构将为改善护理或使其更安全的措施提供资金，这就是人工智能在医疗保健提供中的益处可能具有实质性重要性的地方。在按服务收费的模式下，这些激励措施基本上不那么突出或根本不存在。 人工智能在医疗服务中采用缓慢的其他有记录的原因是患者缺乏信心，包括对隐私和对输出的信任的担忧；监管问题，如食品和药物管理局的批准和报销;方法论问题，例如给定的基于AI的建议或决策的不确定性的验证和通信;和报告困难，如解释假设和传播。 在长期采用人工智能并充分实现其提供的机会之前，必须解决这些因素。
医疗保健机构采用人工智能的挑战示例。
医疗保健组织内部的问题也可能是人工智能采用缓慢的原因。如果人工智能部署（一种数字化转型）要取得成功，就必须解决这些挑战。 我们发现，这项工作涉及六个类别，包括战略愿景，关键的有利因素和实施，每一个类别都有特定的医疗服务提供挑战需要克服，如图5所示。
例如，从战略愿景开始，最大的挑战之一是正确定义部署人工智能的成本和收益。从历史上看，投资人工智能的决定是基于财务回报。这一计算应扩大到包括非财务因素。否则，人工智能的采用可能会在某些领域继续滞后，其中很大一部分影响是非财务的，例如质量和安全。
组织可能低估了数据管理的重要性，数据管理是成功采用人工智能的最关键因素之一。数据管理包括准备用于信息技术系统的数据，解决信息差距，建立信息以防止偏见，并确保足够的可用性以实现规模。解决这一挑战不是“一次就完成”，而是需要跨多个供应商、地理位置和疾病用例进行持续测试和验证的方法。
最后，实施对于组织内部采用AI至关重要。这一类别花费了最多的时间和精力，而且经常被组织忽视。一个挑战是变革管理。例如，可能会同意在手术室采用规定的时间安排，但这一决定对医院管理者、外科主任、外科医生个人和手术室团队的影响是完全不同的。因此，成功的人工智能应用可能需要有意识的行动，既有助于影响行为改变，又能从整体上解决细节，例如创建人工智能输出可视化，使临床医生易于解释。
另一个实现挑战是工作流集成。当人工智能被视为临床工作流程的常规部分时，临床操作中的人工智能的使用会更加成功。 从本质上讲，当被视为团队的一员而不是临床判断的替代品时，AI输出更有效。
虽然在组织内成功部署人工智能的挑战是真实的，但它们是可以克服的。可以提供帮助的努力包括引入测试许多人工智能应用程序的示范项目，这些应用程序集中在几个领域，在建立内部能力和与人工智能技术供应商合作之间建立平衡，以获得专业知识经济，量化总使命价值，并调整激励措施以提高采用率。实现这些目标需要投资。在各个业务部门中，人工智能采用率较高的企业在人工智能上的支出比表现较低的企业高出30%至60%。此外，与表现较低的公司不同，表现较好的公司希望在实施过程中继续增加其人工智能采用预算。
人工智能（AI）在医疗保健领域的应用示例。
Shown is a breakdown of health care delivery domains, with examples of AI use and the current view of its potential effect on total mission value and the state of adoption. Total mission value includes both financial and nonfinancial factors such as quality improvement, patient safety, patient experience, clinician satisfaction, and increased access to care.
中国的情况跟美国有一些类似的地方，但内部的情况也千差万别，各医疗机构都在尝试和摸索，国家中心级医院应该是投入资源最充足，速度最快的。大中心的技术团队规模可能达到中小型技术企业的规模。