技术依赖性过高
智能医学工程依赖于先进的技术和复杂的算法，这一特点使得其在实际应用中存在着高度的技术依赖性。当系统出现故障或无法正确处理数据时，可能会对患者健康造成严重影响。例如，一些医疗影像诊断系统如果因为软件更新错误而无法准确识别病变，可能导致误诊甚至错治。因此，如何降低技术失效带来的风险成为一个需要解决的问题。
隐私保护缺失
随着大数据和人工智能（AI）的发展，智能医疗设备收集并分析大量个人健康信息。但是，如果这些信息不得到妥善保护，就可能被滥用。这包括个人隐私泄露、数据被用于非医疗目的或者被黑客盗取等问题。如果没有有效的安全措施来保障患者隐私，这将是智能医学工程缺点中的一个重要方面。
人机交互界限模糊
虽然人工智能在解释复杂医疗信息方面表现出色，但它也可能导致医生与患者之间沟通上的困难。在一些情况下，AI提供出的建议或解释可能并不易于理解，而且它们往往不能替代直接的人际交流。这种沟通障碍有时会让患者感到不安或者忽视了他们自己的感受，这也是需要注意的问题。
数据质量问题
为了实现精确诊断和个性化治疗，大量高质量数据是必须要有的。而现实中，由于多种原因，如记录不完整、格式不统一等，其它因素都会影响到最终分析结果。这些数据偏差可以导致模型训练过程中的错误，从而引入更多偏差，最终影响到整个系统性能。此外，对敏感数据进行合适处理同样是一个挑战，因为这涉及到多层次的伦理考量。
法律责任归属混乱
当使用AI决策支持工具时，有时候很难确定谁对决策负责。这就引发了关于法律责任归属的问题，比如如果通过AI系统推荐的手术后果发生意外，该医院是否应当承担全部责任？如果AI自主决定进行某项治疗，而该决定基于已知最佳实践但未能预见到的特殊情况，该公司是否应对此负有连带责任？这样的法律框架尚未完全形成，因此这是一个需要立即解决的问题之一。
社会经济公平性问题
由于科技发展通常伴随着成本增加，当新型设备或服务推向市场时，它们往往只能供富裕群体享用，使得贫穷地区居民无法获得相同水平的医疗服务。这进一步加剧了全球卫生资源分配不均的问题，并且社会经济地位低下的群体更容易受到由此产生的一系列健康后果。在这个全球化时代，我们需要思考如何使科技进步更加包容，以减少新的鸿沟形成。
