Данное исследование посвящено анализу барьеров, препятствующих внедрению искусственного интеллекта в системы предиктивной аналитики рисков в медицине. Авторы применили интегрированную методологию, сочетающую модели DEMATEL и AHP, для выявления и приоритизации 15 ключевых вызовов, разделенных на пять категорий: технологические, связанные с данными, организационные, социально-человеческие и этико-регуляторные. В ходе работы было установлено, что наиболее значимыми структурными драйверами являются вопросы конфиденциальности данных, их качества и полноты, отсутствие эффективного управления ИИ (governance), а также проблемы интероперабельности систем. Результаты показывают, что проблемы, связанные с данными и управлением, выступают первичными причинно-следственными факторами, в то время как этические и человеческие аспекты являются зависимыми следствиями. Исследование подчеркивает, что для успешного масштабирования предиктивной аналитики организациям необходима сильная поддержка руководства, надежные системы управления данными и прозрачные, совместимые технологии.