举个具体的例：2012年Google科学比赛的第一名授予了一位高中生，她通过对760万的乳腺癌患者的样本数据的机器学习，设计了一种确定乳腺癌细胞位置的算法，来帮助医生对病人进行活检，其位置的准确率高达96%，超过了目前专科医生的水平。在医学影像分析方面，很多软件已近刚开始商用化，值守由于目前在临床诊断上需要有真人签署检验报告，隐私这些软件给出的结果还需要有人来核实后签字。
医疗行业长期存在优质医生资源分配不均，诊断误诊漏诊率较 高，医疗费用成本过高，放射科、病理科等科室医生培养周期长，医生资源供需缺口大等问题。
在医疗健康大数据来源多样化且快速增长的背景下,随着近些年深度学习技术的不断进步，人工智能逐步从前沿技术转变为现实应用。在医疗健康行业，人工智能的应用场景越发丰富，人工智能技术也逐渐成为影响医疗行业发展， 提升医疗服务水平的重要因素。
与互联网技术在医疗行业的应用不同，人工智能对医疗行业的改造包括生产力的提高，生产方式的改变， 底层技术的驱动，上层应用的丰富。通过人工智能在医疗领域的应用， 可以提高医疗诊断准确率与效率；提高患者自诊比例，降低患者对医生的需求量；辅助医生进行病变检测，实现疾病早期筛查；大幅提高新药研发效率，降低制药时间与成本。在医疗大数人工智能的应用方向上具体可分为四大方向:
（1）临床决策支持
临床决策支持最早定义为运用相关的、系统的临床知识和患者信息，加强医疗相关的决策和行动，提高医疗水平和医疗服务水平。主要体现在临床诊疗方面，基于人工智能、机器学习等关键技术智能分析医疗数据，为医生提供疾病早期诊断、个体化诊断及治疗、智能用药提醒、不良事件预警等服务，通过诊疗建议，从而提醒医生防止潜在的错误，提高诊疗工作效率和诊疗质量。医疗服务提供方可以降低医疗事故率，尤其是临床错误引起的医疗事故。
同时，临床决策支持系统还可以使医疗流程中大部分的工作流流向护理人员和助理医生，使医生从耗时过长的简单咨询工作中解脱出来，从而提高治疗效率。
（2）医疗学术科研
基于大数据分析技术，医学研究主要集中于疾病相关分析、疾病精准分析、治疗方案医疗效果、预后复发的作用、生物标记筛查等具体分析应用场景。
医务工作者通过应用临床研究方法，发现真实世界医疗数据的价值，如：临床存在的问题、更有效的诊疗方式、新的医学知识等。医疗学术科研成果通过发表相关学术科研论文，并转化为临床应用软件。在提升专业声誉的同时，促进科研真正向临床应用，不断推动医学研究前进。
（3）智能健康管理
依托医疗大数据分析、数据可视化、人工智能等技术，满足医疗机构的患者随访、慢病健康管理、疾病延续护理管理等需求。同时，智能可穿戴设备的发展对远程健康监控起到了更大的作用。基于大数据及人工智能技术，可面向用户提供全生命周期电子健康档案、实时监控分析、健康评估、疾病风险预警、个体化管理方案等应用服务，提升医疗机构的健康管理服务水平，提升个人健康管理能力和就医体验。
在公共卫生服务领域，可通过智能健康管理服务，实现大众健康知识的普及提高，做好疾病预防和疾病保健。
（4）数据化运营管理
通过大数据处理和分析，可提高医疗过程数据的透明度。通过流程图、仪表盘、统计图等数据可视化应用，智能识别和分析异常，然后优化流程。通过全面的数据化运营体系，在医疗服务质量评价、医疗绩效评价等方面，辅助管理者及时发现问题，并采用数据进行科学决策，使医疗从业者、医疗机构的管理更透明，间接促进医疗服务质量的提高，减少医疗机构运营内耗，实现盈利创收。
简单来说就是尽可能多得获取病人的相关资料。包括患者的检验检查资料，以及生活相关资料，通过专业的分析理论及分析方法，获得可以指导疾病诊断，治疗，预后，遗传等等等等。
这种数据收集及分析可能是以医院，省市，国家甚至国际间为单位。不难理解的是，样本量越大，可信度越高。无论科学研究，还是临床医学应用，大数据研究都是现在的热点，也是最有意义的研究之一。但其实操作起来难度很大，需要耗费的人力，资源，经费也很高。
