目前，醫學領域中，AI涉足最多的幾個領域包括：

精準醫療：基于“組學(omics)數據”，包括基因組學、基因轉錄組學、蛋白質組學、代謝組學等。

輔助診斷：基于病歷、文獻等醫療大數據。

藥物研發：解決藥品研發周期長成本高的問題。

醫學影像識別：基于大量的影像數據。

除此之外，還有人工智能與可穿戴設結合，進行個人健康數據預測和管控疾病風險。

目前深度學習神經網絡已經有成熟應用的算法，主要有以下幾種：卷積網絡CNN、RNN。其中卷積神經網絡主要用于圖像處理領域，而RNN網絡，就是將神經元的輸出，重新作為輸入，從而影響神經網絡的最終行為。近年來，精準醫學越來越受到追捧。在精準醫學中，基因測序技術又是其核心。深度學習里邊的RNN網絡，正是可以在基因分析領域大顯身手，可以期待有這方面劃時代的成果出現。

深度學習在醫療領域最激動人心的應用，無疑是在在醫學診斷方面的應用。谷歌的DeepMind和IBM的watson，都在這方面積極布局，尤其是watsonai，在某些特定領域，其診斷精度已經超過了人類專家。由于醫療中病例大多數為非結構化文本數據ai，因此采用多層限制性波爾茲曼機（RBM）堆疊成的深度信念網絡（DBN），可以自動提取文本病例中的特征，可以有效的學習病歷中的知識，同時可以高效地進行診斷。

但是，AI不會也不可能代替醫生，即使機器在某方面比人強，但計算機畢竟是計算機，它的“思維”是人類訓練出來的，無論是廣度和深度都將是有限的。還是有特例，最后還是需要人做決定。

同時， 英特爾醫療專家指出，全球有兩大趨勢成為醫療AI的巨大驅動力。一是人口老齡化，中國尤其要面對這個趨勢：中國2020年將達到20%65歲以上老齡化人口。55歲以上的人群占用的醫療資源在50%以上。這樣的背景對人工智能的需求急劇上升。

二是慢性病的挑戰接踵而至。中國是慢性病問題比較嚴重的一個區域，中國的患病人口在全球也是領先的，這也需要智能醫療的解決方案。

可以說，這兩大趨勢使得中國或成為醫療AI最大市場。