在AI和机器学习的时代，临床决策支持系统(CDSS)对临床医生越来越有用也就不足为奇了。但是，该行业尚未解决有效的CDSS所需的功能，尽管有研究证明了其功能，但仍使该工具无法在临床环境中广泛采用。
为了应对这些挑战，开发人员应将多个特征整合到CDSS中，以便可以轻松地接受它们并将其集成到常规临床工作流程中，哥伦比亚大学生物医学信息学副教授Edward H. Shortliffe博士，以及Martin J. Sepulveda ，医学博士，科学博士，IBM研究员在11月5日发表于JAMA的观点文章中进行了辩论。
即，有六种方法使CDSS更加透明，更易于使用，并且基于同行评审的科学证据，Shortliffe和Sepulveda提出：
透明度应纳入CDSS中，以便用户可以理解为何提供某些建议或建议。
CDSS应该是高效的，并且可以在临床环境中融入繁忙的工作流程。
临床医生使用CDSS不需要进行大量培训。该系统应直观，易学，并且便于临床医生获得建议或分析结果。
CDSS提供的见解应与临床医生有关。
CDSS提供的建议应认可用户的专业知识。还应该清楚的是，该系统旨在告知和帮助临床医生，而不是代替他们。
CDSS的基础及其决策应基于经过同行评审的严格科学证据，以帮助建立安全性，可用性和可靠性。
“临床决策支持系统不是完美的工具，并且会出现故障。但是，CDSS必须设计成具有故障安全性并且不会造成任何伤害。”作者写道。“此外，必须同等重视证据，证明CDSS易于进行工作流集成，并且根据先前提到的属性来衡量其可用性，否则CDSS不可避免地会失败。”
作者总结说，人工智能内部的复杂性和临床环境中的决策支持可能会限制技术“像某些人所预期的那样快”发展的能力。