在醫(yī)療保健領域實施機器學習和人工智能面臨許多眾所周知的挑戰(zhàn)。首先是缺乏“專門的數(shù)據(jù)庫”，這需要人工智能通過監(jiān)督學習進行訓練。臨床試驗評價訓練特定應用程序的廣度和深度的“專業(yè)數(shù)據(jù)庫”是必不可少的，但由于隱私問題、記錄識別問題以及健康保險流通和責任法案的存在而難以實現(xiàn)。

       使用人工智能來減少醫(yī)院的意外感染和檢測罕見疾病也需要比目前可用的更好的數(shù)據(jù)。根據(jù)Kahlon的說法，用于罕見病研究的遺傳和行為數(shù)據(jù)“既沒有明確定義也沒有很好地捕獲”，并且“有關院內感染風險因素的信息保存在不規(guī)則的地方，包括過程表和臨床筆記”。