Wataalamu wa saratani wanacheza jukumu muhimu katika kuwaandaa wagonjwa wa saratani kwa maamuzi magumu, kama vile matibabu na matakwa ya mwisho wa maisha. Katika Mfumo wa Afya wa Chuo Kikuu cha Pennsylvania, algoriti ya AI inatumika kutabiri uwezekano wa kifo cha wagonjwa ili kuanzisha mijadala hiyo. Hata hivyo, utafiti ulibaini kuwa ufanisi wa algoriti hiyo ulipungua wakati wa janga la COVID-19, jambo ambalo labda lilipelekea majadiliano kukosekana ambayo yanaweza kuwa yamezuia tiba ya kemikali isiyo ya lazima. Ravi Parikh, mtaalamu wa saratani, anazingatia suala hili na anasema kuwa taasisi nyingi za afya zimeshindwa kufuatilia utendaji wa algoriti zao, tatizo la kawaida wakati wa janga. Hitilafu za algoriti zinawakilisha changamoto pana inayotambulika na wanasayansi wa kompyuta na madaktari: mifumo ya AI inahitaji uangalizi wa mara kwa mara na rasilimali ili ifanye kazi vizuri. Bila ufuatiliaji wa kutosha, kuna hatari kwamba mifumo hii inaweza kuongeza gharama za afya bila kuboresha ubora wa huduma. Nigam Shah wa Stanford Health Care anahoji uwezekano wa AI ikiwa itaongeza gharama za huduma kwa 20%. Vilevile, Kamishna wa FDA Robert Califf ana wasiwasi kwamba mifumo ya afya ya Marekani haina uwezo wa kuthibitisha matumizi ya kliniki ya AI. AI tayari imesambaa katika huduma za afya, ikitabiri hatari za wagonjwa, kusaidia katika utambuzi, na zaidi.

Lakini kutathmini ufanisi wa bidhaa hizi ni kazi ngumu, na hakuna njia sanifu ya kuzifuatilia baada ya kupelekwa. Jesse Ehrenfeld, rais wa zamani wa Chama cha Madaktari wa Marekani, anabainisha kutokuwepo kwa viwango, na kufanya iwe vigumu kwa hospitali kuchagua algoriti bora. Uandishi wa mazingira, AI inayofupisha ziara za wagonjwa, ni wa kawaida, kwa uwekezaji mkubwa. Hata hivyo, makosa madogo yanaweza kuwa na madhara, kama inavyoonyeshwa na utafiti wa Chuo Kikuu cha Stanford ambapo mifano mikubwa ya lugha ilikosea kwa kiwango cha 35% katika fupisho la historia ya matibabu, ikionyesha hatari zinazowezekana. Algoriti zinaweza pia kufeli kutokana na sababu za kimantiki, kama mabadiliko ya data, au hata ambazo zinaonekana kama za nasibu. Sandy Aronson kutoka Mass General Brigham anasema kuwa baadhi ya maombi ya AI yanakabiliwa na "kutodeterminism, " yakitoa majibu yasiyo thabiti. Ili kukwepa changamoto hizi, taasisi lazima ziweze kuwekeza sana katika ufuatiliaji na rasilimali. Katika Stanford, kupitia mifano miwili kwa haki ilichukua muda mkubwa na nguvu kazi. Wataalamu wanapendekeza kutumia AI kufuatilia AI, ikisimamiwa na wataalamu wa data, ingawa inaweza kuwa gharama kubwa kutokana na mipaka ya bajeti na uhaba wa wataalamu wa AI. Hatimaye, ingawa AI inaahidi, ujumuishaji wake katika huduma za afya unahitaji uwekezaji na uangalizi makini.