의학은 주로 직감, 경험, 증상에 근거하여 치료하는 영역으로서 정보·데이터는 이 분야의 핵심이다. 만약 의사 개인이 이러한 정보와 데이터를 수집하려면 데이터가 전면적이지 못하고 수집 주기가 너무 길며 오차가 큰 문제가 타나나기 마련이며 따라서 의료사업 전개에 악영향을 미치게 된다. 인공지능과 빅데이터의 이슈가 있기전에 이러한 문제가 줄곧 의료 분야의 중점적인 난제였다. 구체적으로 말하자면, 빅데이터는 우선 데이터의 량이 거대해야 하고 심지어 어떤 문제를 연구하는데 있어서 언급된 모든 데이터 클러스터를 말하는 것이지 그중 하나의 샘플을 가리키는 것이 아니다. 데이터샘플이 충분할 때, 데이터 자체의 일부 오차는 중요하지 않게 된다. 물론 데이터 자체의 품질이 중요하지 않는다는 의미는 아니다. 만약 데이터 자체의 품질이 많이 떨어지면 빅데이터 자체가 또한 의미를 잃는다. 단시간 내에 대량의 의학 데이터를 획득하는 것은 가장 중요한 것이다. 인공지능이 나타남으로 인해 의사 개개인의 시간 부족의 단점을 보완하게 되었다. 수천 권의 의학 저작과 의학 사례를 습득하는데 의사가 걸리는 시간은 10년 이상이지만 인공지능은 짧은 시간 내에 이러한 대량의 정보를 기록한다. 시간 주기의 대폭 축소는 의학 진단에 있어서 더욱 쉽게 실마리를 찾고 병명을 확정하며 치료방안을 작성할 수 있다. 인공지능과 빅데이터는 의학정보 데이터를 획득하는 시간을 대폭 줄이는 외에 의사 진단을 지원하는데 있어서 또한 중요한 역할을 한다. 진단과 치료는 의학에서의 중요한 부분으로서 진단은 또한 치료의 기초와 전제이다. 진단의 본질은 구분이다. 다양한 질병을 구분하는 것은 질병원인을 인식하는 기초이다. 충분한 우수 품질의 의료 데이터를 가지고 있으면 정확한 진단을 내리는 조건을 구비하는데 인공지능의 딥러닝(deep learning)은 중요한 역할을 발휘할 수 있다. 딥러닝은 빅데이터에서 규칙을 발견하고 규칙성이 있는 차이를 총결하여 진단한다. 인공지능이 인간 뇌에 비해 더욱 효과적으로 대량의 데이터를 처리하여 신속하게 일부 특징과 규칙을 찾는 것이 우위이다. 심수죽신(深？竹信)과학기술유한회사는 빅데이터·스마트건강서비스 기업이다. 회사 설립초기에 빅데이터의학부를 설립하였고 수학, 의학, 클라우드 컴퓨팅 분야의 전문가를 모집하였을 뿐만 아니라 남방(南方)의과대학교와 심층적 협력을 전개하여 휴대용 심전도기기를 개발하였는데 동 기기로 대량의 임상의료데이터를 획득하는 공구로 사용하여 심혈관 위험예측모델을 구축하였다. 인공지능과 빅데이터에 기반한 예측모델은 의사가 심혈관 발병을 진단하는 효율을 대폭 제고하였다. 휴대용 심전도기기는 사용자가 수시로 검사하고 심장 건강상황 데이터를 클라우드로 저장할 수 있어 과거 1개월, 심지어 1년의 심장 건상상황 검사 데이터를 이용하여 의사가 진단할 수 있다. 이러한 구체적이고 진실하며 연속적인 데이터로 인해 의사는 시간을 단축하여 효과적으로 진단할 수 있게 되었다. 물론, 인공지능이 의료 분야에서의 신속한 발전은 의사를 대체하기 위한 것이 아니고 의사를 지원하는 역할을 하게 된다. 향후에 의사들은 더욱 효율적으로 정밀하게 의료행위를 진행할 뿐만 아니라 또한 충분한 학습과 휴식 시간을 취하게 되며 더욱 많은 시간과 정력을 더욱 정밀하고 첨단적인 의학연구에 집중할 수 있다.