精准医疗包括三个重要部分，确定对该疾病和病人有意义的生物标志物（biomarker），进行定量和定性分析及解读，然后根据生物标志物的检验报告，制定临床决定。在这个过程中每一步都面临很高的不确定性。
生物标志物的解读是一项非常专业的事情。目前虽然基因检测本身在仪器和技术上已经发展到一定程度，但能够将解读和临床决策联系起来的专业人才仍然匮乏。在医生端，大部分医生并不具备在基因学上的专业能力，也很难将这些新事物和其治疗方案有效结合起来。
假设获得了较为客观的解读，相应临床决策对治疗的影响也是不明确的。在肿瘤学上，精准医疗的意义是可以避免对病人无效的治疗或药品，从而降低医疗费用。然而，这个过程很难被量化。哪怕是私人化的治疗方案，其效果仍然取决于病人个体、实施时间和手段等多重复杂因素，不确定性极高。
正因为这些不确定性，现阶段的精准医疗在美国依旧面临支付的困境，商业保险公司和联邦保险计划能否将精准医疗纳入支付范围决定了精准医疗是否能大规模发展。
事实上，精准医疗的本质是定制，其特性决定了精准医疗不可能是标准化的，而标准化才能大规模跑量降低成本。因此短期内来看，精准医疗不太可能被大批量复制来降低其成本，面对这样高昂的代价以及效果的不确定性，支付方的态度一直是不明朗的。
在美国，已经有少数相对明确的基因检测和用药关联起来。这类检测叫IVD CoDx，和某一种药品的使用联系起来，联邦政府规定要对病人使用这种药物需进行相应的IVD CoDx检查。比如说，有一种用于心血管疾病和中风的叫Clopidogrel的药品，和人体内的一种酶CYP2C19密切相连，这种酶类似促进Clopidogrel的加速器。但是每个人含有这种酶的程度很不一样，人种和个人因素与之都有关系。因此，FDA建议使用Clopidogrel之前进行检测，含有这种酶达到一定浓度的病人将对Clopidogrel有反应，而达不到的病人则建议其他疗法。这项属于基因检测一部分的检查在不同的商业保险公司的支付情况很不一样，一些保险公司如Aetna报销费用，而另一些如Humana保险公司则不纳入报销范围。
目前也只有少数的生物标志物已经被明确和某种药品的效果相关，大部分情况下，标志物和效果的因果关系并不明确，个体差异也很大，因此保险公司很难衡量其直接经济价值，并做出是否报销的决定。
另外一个影响支付的问题是定价的困难性。相比药品、手术、检验等较为具体的项目，基因检测的CPT代码制定更加困难。CPT代码是美国支付方支付医疗费用的基准，其制定原则包含几个因素，医生的受教育程度、医疗风险、脑力程度、耗材、难度等。而对于基因检测来说，这些都有更大的不确定性。加上CPT代码制定的滞后，一些项目并不能反映真实的成本和市场价值，因此对于保险公司来说，对精准医疗缺乏支付基准也是一个问题。
上面说到的精准医疗更多是在病后治疗的范畴内的。市面上相对量化的精准医疗还有一部分属于病前筛查和预防的范畴，比如针对乳腺癌风险的基因筛查。单纯的针对普通大众的预防性筛查同样很难获得支付方的认可。首先，即便筛查出高风险，后期的干预措施和效果也不明确，比如在乳腺癌指标筛查上，可能是增加每年乳腺X光扫描的频率，但是很多医生也反对这样做，因为这会给病人很强的干扰，支付方也无法直接看到这样做的经济利益。另一个理由则是炒得沸沸扬扬的隐私问题。很多病人认为基因属于隐私，而一旦筛查结果被商业支付方知道，间接被雇主知道，很可能导致对自身不利。因此，这些筛查很大程度上无法和直接的疾病干预结合起来，因此短期内仍可能是个人主导的支付方式，大规模扩大很难。
在中国，精准医疗还没有成熟到病后治疗干预的阶段，市面上更多的炒作是在基因筛查的阶段，很大程度上依赖个人付费，这些筛查在解读上也有很大的挑战，缺乏专业人才是主要的问题。筛查本身的提示性有多大也是很强的不确定因素。
总结来说，最有价值的精准医疗仍然是对疾病治疗有针对性的项目，而正因为针对性，注定了精准医疗的个性化和难以量产。目前精准医疗仍属于研究和尝试的阶段，需要很多财力人力投入和政府支持，需要一个科研上发展的过程。而且最终是否能达到相对量化的阶段并用于某些疾病的治疗和用药仍有很强的不确定性。
