中国医药学院在 AI 的医疗应用投入相当多的前期资源，除了负责规划架构的中国医药大学附设医院人工智能医学诊断中心主任黄宗祺博士，自认不懂 AI 但却又看好 AI 能为医学带来转型与变革的中国医药学院副校长蔡辅仁教授更是促成中国医药学院导入 AI 的重要人物，不仅如此，蔡教授本人同时也作为中国医药学院 AI 应用于骨龄推估的核心人物。
蔡教授表示，医疗产业对于接受新事物需要长时间的育成，尤其执业越久的资深医生，就更难以信任新科技且对自己的经验充满自信；但他也以过去 X 光断层扫描刚起步前的情况为例，指出早期在未有 X 光断层扫描前，具经验的神经科医生在脑溢血领域被视为神一般的存在，当时透过经验判断推测溢血区域是唯一的疗法，而医生的经验也是他们最大的价值，但当 X 光断层普及后，一张 X 光就可看到患部，现在神经科医师已经不再具备推敲患部的能力，然而他们却有更多的时间将精力集中在治疗与研究上。
他认为 AI 也将如同 X 光断层一样成为医疗产业的重要平台，同时也会颠覆许多的医疗领域；然而蔡教授同时也认为，当前资深的医生无法接受 AI 的原因，是因为他们把 AI 视为威胁、认为 AI 将会取代他们的诊断，但他并不这样认为且指出 AI 在医疗上是扮演医生的助手，将一些过去需要耗时、耗眼力的繁复工作，透过 AI 帮忙做出初步的分析，而医生再透过这些初步分析进行后续的诊断与治疗。
他以此次的骨龄推估为例，骨龄是作为许多医疗看诊的重要依据，因为当一个人的骨龄与实际年龄有明显差异，这也表示他的生长情况不正常，不正常的生长状况就可能是导致疾病的关键。而骨龄的判断虽然有所依据，只要从人的手掌的八块骨头的生长状况就可开始推敲，而推敲骨龄这件事情可简单亦可复杂，一般 X 光科也都会简略的看过并推断骨龄。
不过蔡教授对于 X 光科所简单鉴定的骨龄通常抱持质疑的态度，因为骨龄实际上是可以更精确的推敲的，更为专业且精度更高的骨龄推测，是有一本厚厚的对照图库可以参考的，然即便如蔡教授这样已经有多年经验、一看 X 光片就可快速翻到对照图库接近的年龄页数开始比对，当他拿到 X 光片到推估更精确的骨龄，也需要 2 到 5 分钟的时间。
然而当中国医药大学开始测试 AI 时，透过蔡教授本人诊断过超过万张的 X 光图做为深度学习的素材并建立模型后，透过 DGX-1 完成一张较精确的骨龄判断仅需 4ms ，且 AI 亦可同时进行大量的 X 光图分析，远本人类依照经验来的快速许多。同时与其它的医疗影像应用相较之下，骨龄较无直接牵涉生命安全，且骨龄判断可容许约 2 岁左右的误差值，同时骨龄也只是做为医疗诊断的基础参考数据，故蔡教授认为 AI 骨龄推估相当适合作为医疗 AI 应用的示范应用，且亦有较高的接受度。
蔡教授选择骨龄判读作为与黄博士所建构的 AI 系统的技术测试还有一个相当重要的原因，就是骨龄本身是可跨种族的，无论使用的数据基础是哪一国人种，其骨龄的生长特性都不会因此改变，也就是在台湾完成的骨龄 AI 系统是有机会获得全球医学界使用的。蔡教授更感叹表示，过去对于医疗系统，多半认为都会是自先进国家购买来的系统，完全没想过有一天可以自己参与建构医疗诊断系统并反向输出到国际。
而蔡教授目前也有许多 AI 在医疗领域应用的想法，但他表示仍会先将骨龄作为第一步，目前也规划再加入第二、第三位医师的骨龄 X 光片与判断数据，预计至少先扩充到两万片的基础培训素材，使系统更具说服力与可靠性；同时蔡教授与黄博士也已经着手将这套 AI 系统送到 FDA 进行 Phase 2 的医疗仪器等级验证，盼能使其达到医疗辅助级的市场规模。
蔡教授也补充到， AI 设备的投资或许看在许多产业是相当高花费的，但在医学领域，即便如价值高达 39.9 万的 DGX-2 超级电脑，也远不及许多专业医疗设备采购下来的花费， AI 硬件对医疗产业不过是中下的投资而已；黄博士补充到，中国医药学院目前已经先采购了一台 DGX-1 作为 AI 应用开发，然而中国医药学院看好 AI 能为医疗产业带来的革新，也不排斥接下来研究项目增加持续扩充规模，黄博士表示由于他们已经有经验，若从同意采购到系统架设完成应该也仅需要半天时间。
且中国医药大学对 AI 的医疗应用不仅只是做为研究，在校长也同时看好 AI 带来的医疗转型价值，甚至也已经着手成立 AI 医疗公司，希望将 AI 医疗技术商转。而蔡教授也野心勃勃的表示，他也计划将所有的医疗 AI 应用都加以商用化，故每一套应用内容的开发都是以能够达到临床验证作为目标。
最后，蔡教授也表达他对 AI 之于医疗产业的冲击，他认为许多 AI 将会首先冲击到以图像、人眼结合经验判断的诊断过程，尤其如皮肤科也可能会是首当其冲的，同时也由于 AI 加入辅助判断，许多的看诊流程将更为简化，诸如过去需要透过皮肤科协助推测可能的患病类型后再行转诊，很可能直接在初步就透过具 AI 的机器视觉医护装置省却转诊至皮肤科的流程。
不过蔡教授也重申， AI 在医疗并不会直接取代掉任何的科所，而是将过往繁杂的程序加以简化，或是将需要经验与费时的视觉相关程序利用 AI 快速地完成初步诊断，医生仍扮演决策与医疗程序的主角，同时也将因为医疗 AI 的普及，使医疗程序的效率提升。
