人工智能對于醫療的影響，并不止于上文所概述的智能診斷、智能治療、健康管理和醫療管理等方面的內容，其他如藥物挖掘、生物科技和精準醫療等也是人工智能可以發揮巨大作用的領域。從上文的分析來看，人工智能會進一步推動醫療領域向著智能化、日常化和人性化的方向發展，尤為重要的是可以促進精準醫療的發展。同時，這些變化也會對醫療行業就業和人類對于自身的認識產生重要影響。從目前來看，人工智能在未來的發展有如下三個值得關注的積極趨勢：第一，用人工智能的“醫生”補充人類醫護人員，以解決未來醫護人員稀缺的問題；第二，用人工智能提高藥物挖掘的效率，加速藥物開發的過程；第三，在人工智能的基礎上，提高個性化用藥的水平，并通過精準醫療最終解決癌癥這一難題。下面分而述之。
第一，開發人工智能醫生以緩解醫護人員不足。人類醫生的培養過程非常復雜，且成本相對較高，培養時間較長。例如在美國，醫學專業需要學生在完成本科學位之后再來就讀。即便在發達國家，有經驗的醫護人員的缺乏也是一種常態。而一旦人工智能的技術應用獲得突破，就可以在一個相對較短的時間內訓練出大量具備相關技能的人工智能醫生，進而可以有效地解決人類醫生資源不足的問題。而且，這些醫生可以在全世界的任何地方全年無休地提供醫療服務。當然，這并不意味著在未來所有的人類醫生都會消失，在一些非常復雜的工作中，人類醫生的作用仍然是不可替代的，至少在一定時間范圍內看來如此。除此之外，把那些日常診斷或者程序化的工作交由人工智能來完成，會更加節省醫療成本。
隨著人工智能技術水平的快速提升，未來的情景將是：平均水平的醫生讓人工智能做助理，而平均水平以下的醫生則要做人工智能的助理。如果用于診斷疾病或是預后的數據、圖像能夠標準化、量化、結構化，這些工作基本可以通過人工智能來完成。在確定相應的數據范圍和具體算法后，人工智能可以通過不斷地進行機器學習和積累，逐步完善診斷系統和治療流程。盡管目前來看，人工智能并不是萬能的，但是它的確會在某些具體工作中超越人類，從而取代一部分人的現有作用。
因此，面對人工智能的發展，醫療產業的發展必須加快相關的技術應用的開發，并協調好人類醫生與人工智能之間的配合。在這一方面，中國的“微醫”是一個典型產品。“微醫”是一個移動互聯網醫療健康服務平臺，可以提供預約掛號、在線問診、遠程會診、電子處方、藥品配送等互聯網醫療服務。在這個平臺上，每天有大量的患者上傳影像數據并請求相關專家協助診斷。醫學人工智能的幫助一方面可以節省醫生的大量重復性工作，使圖像數據和病例首先通過機器進行初審，再由專家進行復核，其效率將提升70％以上，另一方面還可以面向基層醫生提供診療輔助，大約80％的常見病可以由人工智能協助基層醫生完成治療，而剩下約20％的復雜病例，則可通過互聯網平臺請專家進行遠程會診，從而提升基層的診療水平。
第二，人工智能助力藥物挖掘效率。藥物的挖掘和篩選一直是醫療業的重要領域。換言之，藥物研發的水平和規模在某種程度上決定了醫療業的發展形態。從歷史上看，藥物挖掘經歷了隨機篩選藥物、組合化學庫篩選和虛擬藥物篩選三個階段。最初，隨機篩選藥物的典型做法是通過細菌培養法從自然資源中篩選抗菌素，這種做法是低效的。隨著組合化學的出現，人們可以迅速合成大量化合物，并在此基礎上運用高通量篩選的技術完成化合物的篩選，這種做法的缺點則主要在于研發成本較高。到了虛擬藥物篩選階段，人們可以將藥物篩選的過程在計算機上進行模擬，以對化合物可能的活性作出預測，從而進行更具針對性的實體篩選，這樣可以極大地減少藥物開發成本。由此，醫藥領域很早就開始將計算機技術和人工智能應用于藥物挖掘上，并起到了積極的作用。
到目前為止，新藥的研發仍然需要極高的成本，既需要長期的實驗和數十億乃至上百億美元的投入，還要進行反復的安全性測試，而且即便如此，也無法保證最后真的能夠成功。而人工智能的應用可以在很大程度上緩解相應的問題。例如，在新藥篩選時，可以利用人工智能所具有的策略網絡和評價網絡以及蒙特卡洛樹搜索算法（Monte Carlo Tree Search），從成千上萬種備選化合物中挑選出最具有安全性的化合物，作為新藥的最佳備選者。人工智能還可以協助新藥的安全性檢測，也就是通過對已知藥物的副作用的分析，預先判斷出新藥的副作用及其大小，由此選擇那些產生的副作用危害最小的藥物進入動物實驗和人體試驗，從而大大地節約時間和成本。
據研究人員估算，大約15％到20％的新藥研發成本都消耗在探索階段。這意味著數億美元的成本，以及數年的研發時間。目前，在藥物挖掘領域，位于美國舊金山的初創公司Atomwise是最具代表性的。Atomwise主要關注于利用深度學習神經網絡來發現新的藥物，具體來說，主要是運用超級計算機、人工智能和復雜的算法模擬制藥過程，來預測新藥品的效果，同時降低研發成本。這使得該公司不僅具有強大的藥物發掘能力，同時極大地降低了發現和研制新藥的成本。例如，在2015年，該公司宣布在尋找埃博拉病毒治療方案方面獲得了進展。也就是說，在Atomwise預測的藥物中，有兩種或許能用來抗擊埃博拉病毒，而這些發現用時僅七天且成本不超過1000美元。
第三，利用人工智能和精準醫療治療癌癥。在推動精準醫學的發展上，人工智能也發揮著巨大的作用。早在2011年，美國國家科學院、美國國立衛生研究院、美國國家工程院以及美國國家科學委員會就共同發出了“邁向精準醫學”的倡議。隨著大數據和人工智能的發展，精準醫療的發展也獲得了相應的技術基礎。如前所述，人工智能在癌癥診斷的準確性方面，已經取得了很大的進展。借助大數據和人工智能，醫生可以檢測出不同癌癥病人的不同病變，找到個性化的用藥，并進而利用人工智能完成換藥和配藥工作，大大降低了治療的成本。
癌癥是典型的需要精準治療的病癥之一。癌細胞來自體內，而且與正常細胞非常相似，在治療的過程中，很難準確找到所有的癌細胞，因此也就難以根除疾病。癌癥手術僅僅能夠切除肉眼可以看到的病灶，而對于已經轉移的或者存在于血液和淋巴內的癌細胞則無能為力。而這些未被清除的癌細胞則會重新增殖，從而導致癌癥的復發與轉移。盡管化療藥物會發揮一定的作用，但癌細胞可能會產生耐藥性，同時患者的免疫功能則會下降，這樣也容易造成癌癥的反復。
因此，治療癌癥的一個非常重要的原則在于，每一個癌癥患者都需要根據具體的病情制定個性化的治療方案，而不是采用沒有針對性的一般治療方案。因此，如果有一個專門的治療小組針對某一癌癥患者進行藥品的配制，并且對癌細胞變化的反應足夠迅速，那么癌細胞是可以完全殺死的。然而，如果按照這種方案來治療，其成本是非常高的，甚至會達到上億美元。因此，這種治療方案是非常不經濟的，對大多數患者來說難以承擔。
基于面對癌癥的這種特性，可以依靠大數據和人工智能，來提高治療的針對性和精準性。根據目前的研究，導致腫瘤發生的基因錯誤大約在萬的數量級上，而已知的癌癥則在百的數量級上。因此，所有可能的惡性基因復制的錯誤和癌癥的組合大約有幾百萬到上千萬種。這個數量級就人類的認知能力而言是超大規模的，但是從大數據和人工智能的領域來看則是非常小的。因此，通過人工智能進行大數據分析，可以更有針對性地檢測不同人的不同病變，從而找到適合具體情況的個性化用藥。同時，運用人工智能和大數據也可以檢測患者的新病變，從而可以幫助癌癥患者及時更換新的藥物。此外，這些換藥和配藥的過程都可以在人工智能平臺上完成，由此也會大大降低藥品的使用成本。按照這種發展趨勢，人類在未來克服癌癥難題，將不再是一種空想。