数据完整性： 如上例中诊断心血管疾病的工具所示，当前的研究需要扩大其数据集才能变得更加有效。这并不总是那么容易做到。 研究人员和医生联系，以收集更大的数据池。是的，人工智能可以扫描大量数据，但人工智能需要指向正确方向，即足够大的数据库。
数据包容性面临的挑战： 人工智能数据 巴哈马电话号码数据 管理可能会受到以下因素的阻碍 偏见 以及缺乏包容性。最近谷歌 共享 一款人工智能皮肤病学辅助工具的预览，该工具可帮助人们了解与皮肤、头发和指甲相关的问题。该工具获得了 批评 未能充分考虑有色人种。尽管皮肤科助理是用于正式诊断医疗问题的技术，但争议凸显了收集社会多样性数据有多么困难。
克服这两个障碍的一种方法是将以人为本的方法应用于人工智能。以人为本的方法意味着在强大的技术平台上应用迭代过程，以大规模管理数据，并由多元化的人才库参与数据管理等任务。以人为本的方法还意味着通过数据程序所需的多样性（年龄、性别、群体、类型、地域、种族、文化和语言）与代表性不足的社区合作，以构建更具包容性的基于人工智能的产品并减少偏见。医学界不能独自解决所有这些问题。有效地整合人员、平台和技术至关重要。