根据CB Insights的数据，2021年第一季度创下了新的融资记录，专注于医疗保健AI的初创公司筹集了近25亿美元。但这可能与几年前的兴起和对自动驾驶汽车技术的投资相似，因为基于AI的产品和服务在医疗保健领域的成功实施可能并非指日可待。
尽管Li和Ng目前都在将AI应用于医疗保健方面的挑战，但他们相信，在未来几年中，他们和他们的同事们仍将处于试验阶段。Ng说，进展将“比我们在未来几年中希望的要慢得多”。Li表示：“我们仍在寻找通往人类胜利的道路。”对她而言，采取“以人为本”的方法对于推进医疗保健领域AI的发展水平至关重要。她鼓励她的学生们在医院里掩盖临床医生，“看到人的一面”，以更好地了解患者和照顾他们的人们，这是成功采用基于AI的解决方案的关键。李说，这是医疗保健领域的独特挑战，他强调了医疗保健非数字化方面(人为因素)的重要性。她说：“我们的人类行为数据几乎为零。”
此外，Ng提倡将AI开发从以模型为中心转变为以数据为中心。这包括提高用于训练AI程序的数据的质量，以及构建将数据置于开发人员工作中心所需的工具和流程。当然，数据的质量，隐私和可用性在医疗保健环境中面临其独特的挑战。Ng指出，数据质量标准仍然不明确，因此，AI开发人员需要集思广益解决所有可能出错的问题并相应地分析数据。李认为，最重要的是认识人的责任。“人工智能有偏见”是一个术语，它将责任放在机器上，而不是在收集和管理数据的人员身上。对李来说
在回答“尚未解决的医疗保健问题是什么?”这一问题时Ng提到了心理健康，诊断和医疗保健的运作方面。李援引每年因医疗错误在美国死亡的25万人。AI可以帮助确保正确执行医疗程序，并确保及时在家中或诊所对慢性病患者进行护理。“这就是环境情报的本质。”李说，担任医师和护士助理，可以在错误发生之前及时发现它们。
Ng和Li的观察得到了最近调查和研究的支持，所有这些都表明了AI在医疗保健领域的新生状态：
·美国有90%的医院制定了AI /自动化策略，高于2019年第三季度的53%。但是，据Sage Growth Partners称，只有7%的医院AI机器人完全投入运营。
·自2015年以来，批准的基于AI / ML的医疗设备的数量已大大增加，但目前，“美国或欧洲没有针对基于AI / ML的医疗设备的特定监管途径，”《柳叶刀》杂志发表的一项研究得出结论。
