近年來，AI在藥物設計、診斷方面已經有長足進步，在基因序列分析、自然語言處理、圖像處理、3D構象等方向都在引領新的創新點。  AI可以通過讀胸片（望），通過聽咳嗽的聲音（聞），通過基因測序（切）來輔助醫療的診斷，難道這就是古中醫的“望聞問切”在AI時代的重生嗎？
 對此，葉凱首先指出事物的觀測結果、表徵、表像是內在本質的反映。 透過現象（身體特徵）看到本質（健康狀況、可能存在的疾病）是我們與生俱來的、進化出來的一項能力。 古代的醫生也許能夠通過這種外在與內在的相關性對一些疾病進行相應的診斷，但由於交通不便、信息傳播困難的原因，知識不能普及。 在AI與大數據的時代，測量手段非常先進，我們可以從多個維度對病人、疾病、潛在的致病原因進行很好的刻畫。 這時候可以用AI的方法，跳過中間的機理、因果相關性等些規則，發現表徵與疾病的相關性。 就抗生素耐藥性而言，葉凱首先從進化角度認為耐藥性一定會發生，我們應該思考如果用AI發現耐藥性與各因素的聯繫，把藥物對細菌或病毒的效果預測出來。 這要求基礎科研工作者掌握藥物起效的機理，要求AI工作者把現象與機理融合在一起，一起把這個耐藥性問題解決。 單獨依靠一個方面，可能沒有辦法做的更快、更有效率。
 針對葉凱的觀點，唐杰表示AI診斷在未來是很有前景的方向，並列舉了自己與協和醫院合作，通過計算機診斷胸片中腫瘤塊是惡性還是良性，已經能做到85%左右的 精度，基本達到醫生的診斷水平。 根據人臉識別的發展速度，唐杰認為AI診斷最終將會進入尋常人的生活。 再往後看，AI診斷需要大量的數據來定義模型，對醫學來講這是挺難的，對此，我們是否可以思考能否用個人助手這樣一個東西，讓AI跟人共存，目前，智能 手錶、智能手環已經開始收集了血氧含量、心跳、運動量、睡眠時間等數據，如果每個人上傳自己日常生活中的聲音、影像學結果等資料，也許就可以解決數據缺乏問題，數據的融合 +AI算法，也許不僅能幫助普通人，也會輔助醫生的診斷。
 趙鋼認為AI時代的望聞問切其實包含兩個層面的問題：（1）AI能幹什麼；（2）AI是不是能夠像中醫一樣診斷疾病。 並指出這種方法其實是有問題的：無論是中醫的望聞問切，還是西醫的“視觸叩聽”，診斷都是症狀，並沒有診斷疾病，而我們現在需要的是診斷疾病。 例如，發燒是症狀，而疾病可能是感冒、肺炎、闌尾炎、膽囊炎，不同疾病的治療方法完全不一樣。 因此，AI不是古代望聞問切的症狀學的診斷，我們現在需要的是病因學的診斷。 把病因學搞清是一個巨大的進步。
 王輝認為僅僅用“望聞問切”四個字來總結現有數據收集方法是欠妥的。 望聞問切都只是表徵方法，而現代檢驗醫學會產生大量的指標數據，這樣大量的數據才能支撐疾病的診斷和治療。 未來需要檢驗醫學、影像學等很多類的數據才能夠支撐AI在診斷、預防、公共衛生事件預警等方面的應用。 所有的預測都要是基於我們對病因學、病理學、治療學等學科的知識的了解和認知才可以實現。  AI與醫療的結合是一個不斷更新不斷發展的過程。