智能医学工程作为未来医疗领域的一项重要技术，它在疾病诊断、治疗方案制定以及个性化医疗等方面展现出了巨大的潜力。然而，这项技术并非完美无缺，存在一些关键的缺点和挑战。

首先，智能医学工程设备的成本较高。这使得这些先进的医疗设备对普通患者来说价格不菲，对于资源有限的小型医院或发展中国家的医疗系统而言，更是一个难以承担的负担。此外，由于其复杂性和新颖性，一旦出现故障维修也相对困难且耗时，从而进一步增加了其运营成本。

其次，数据隐私和安全问题是另一个值得关注的问题。在大规模收集和分析个人健康信息时，如果没有严格的保护措施，就可能会导致个人隐私被侵犯。例如，在使用人工智能辅助诊断过程中，如果数据泄露或者未经授权地用于其他目的，这将严重损害公众对此类技术的信任，并可能引发法律纠纷。

再者，算法偏见也是一个需要解决的问题。由于训练数据通常由人类编写，而人类本身就带有各种偏见，因此训练出来的人工智能模型也很容易继承这些偏见。在医学领域中，比如在识别肿瘤影像或者预测疾病风险的时候，如果算法因为种族、性别或社会经济地位等因素产生错误判断，将导致误诊误治，从而造成严重后果。

此外，医生之间如何有效地与AI协作也是一个挑战。虽然AI可以帮助医生处理大量信息，但它并不具备独立做出决策能力。如果没有明确的界定谁负责最终决策，以及如何将AI结果融入到日常临床实践中，这可能会导致混乱和效率低下。

另外，当涉及到伦理问题时，如是否应该让AI进行某些敏感操作（比如终末生活支持），以及如果发生意外是否由制造商还是使用者负责，都需要有明确立法来指导行为。此外，还有一些社会文化因素，如人们对于机器介入生活中的接受程度，也会影响智能医学工程在实际应用中的成功度。

最后，不同国家之间在监管这类科技方面存在差异，这意味着开发者面临不同的规章制度要求。这不仅增加了研发周期，还可能使得某些创新无法跨越国界实现，为全球性的健康福利服务所带来的积极影响受限。