在所有AI正在颠覆的领域中，医疗是跟“人命”最相关的。在这种攸关生死的产业中，从最上游的医学研究，到最下游的临床治疗，将会因为AI的导入而提升治疗效率，并让更多病患负担得起。
福布斯的调查报告指出，医疗机构投入AI研究的资金不断上升，预计在2021年达到66亿美金的规模；然而成本的数字更可观。依照Accenture的成本，不但医药费有望降低，更可将省下的资金投入研究，造福更多病患。
AI可以打破医疗机构的“铁三角”难题：易得性、成本与品质
根据《Medicine’s Dilemmas》一书，医疗领域有所谓的“铁三角”的成本，其中运营省下1137亿美元，是省成本最多的环节；其次是营销与销售，将省下679亿美元的成本。
医院导入AI，初期主要应用在运营与行政
此外，根据资诚（PwC）的调查，有超过1/3的医疗机构在投资AI，试图将AI导入医疗流程。资诚表示，AI可以提供高品质、个性化，以及数据导向的服务；目前医疗机构主要投资AI于这三个领域：数字化（digitization）、交互（engagement）与诊断（diagnostics）。数字化指的是利用AI等工具，降低医院运营的成本；交互是指提升医病之间的关系；而诊断指的是利用AI，提供病患更优良的诊断与医疗建议。
然而，初期AI主要会用在医院运营与行政上面的优化，临床医疗的应用与发展比较晚。由于AI目前大多应用在后台的运营，病患比较“无感”，但AI将渐渐导入临床医疗，病患将会感受到AI带来的利益。
AI医疗的两大挑战：医病信任与规模化
然而应用AI时，医疗机构也面临两个挑战：医病双方的信任，以及规模化的精准度。
医护人员必须愿意信任AI的诊断，然而AI的作业很“黑箱”，连开发人员也未必知道AI是如何取得结论的；尽管AI的正确率高，但如果无法用逻辑理解AI推论结果的过程，就无法取得医护人员的信任，并让他们愿意采用AI的诊断。同样的，病人也无法信任AI诊断。根据Accenture的调查，只有1/4的病人愿意相信AI。
另外一个问题是规模化（scalibility）。训练AI用的数据范围，会影响AI诊断的准确度；在大型的医疗机构里，如果训练AI用的数据不够广，诊断结果会有疑虑。此外，在小型的地区医院或诊所，使用AI也不符合成本效益。
虽然有上述两个问题，但医疗机构大多对AI采取乐观的态度。随着人口老化，需要医疗服务的人持续增加，但能提供医疗服务的医务人员将会减少，而AI可以填补这个缺口；此外，AI也可以优化医院的运营性能，不但减少运营成本，还可以让医护人员有更多的时间面对病人，提升医疗看护的品质。