数据质量依赖：AI的效果高度依赖于所输入数据的质量和准确性，如果数据存在偏差、不完整或不准确，可能导致错误的分析和结论；解释性问题：一些AI模型的决策过程和结果可能较难解释，这使得研究人员在理解和验证其合理性时面临挑战；缺乏领域知识融合：可能在某些情况下未能充分结合胚胎干细胞研究的特定领域知识，导致一些潜在的重要信息被忽略。
 

过度拟合风险：在处理复杂数据时，容易出现过度拟合现象，即模型对训练数据拟合过度，而对新数据的泛化能力不足；伦理和法律考量：随着应用的深入，可能引发新的伦理和法律问题，如数据隐私、决策责任等，需要谨慎应对；计算资源方面：某些复杂的AI算法和模型需要大量的计算资源，这可能限制其在一些资源有限的环境中的应用；动态变化适应可能不足：胚胎干细胞研究领域不断发展，新的现象和机制可能出现，AI技术可能在适应这些动态变化方面存在一定滞后性。
 

出自《干细胞与人类健康研究进展》 作者:潘杰,中山皓博.