AI技術開發之本質為「深度學習」演算法。以人工神經網路為架構，對資料進行表徵學習的演算法，具備「表徵學習」與「多層次神經網絡」兩大特色；在預測或分類目標下，從原始數據中提取有用的特徵，將其導入成為可辨識之項目，進而分析結果。特徵設計及辨識任務在同一個網路架構裡運行，與以往需特別為特徵設計程式有所不同，因此深度學習的網路（類神經網路）可同時完成此兩件事情。醫療資料由於資料型態多、疾病複雜性高、標註成本高（人才訓練不易），適合用深度學習，目前的主流發展包括：醫療影像、醫療數據分析、診療經驗文字語意分析、輔助診斷、藥物開發、精準醫療等。
本課程以AI技術應用於醫療領域研究為主軸，闡述三個實例（1）疾病風險預測，運用健保資料庫中去識別化的健保資訊，透過AI深度學習演算法，建構預測醫療事件風險的指標（2）臨床血癌診斷輔助，台大醫院提供歷史檢驗數據結合AI技術，訓練電腦學習判讀檢體結果，加速取得檢驗報告時間（3）輔助診斷自閉症，診斷自閉症時，衡量口語表達流暢度為診斷重要指標，透過AI技術自動化將資料導向流暢度特徵學習架構，不再需費時的人工標註，運用語意流暢度特徵辨識自閉症。未來AI技術不再僅止於追求準確率，AI技術與隱私權保護之間如何兼具及產生不公平現象時如何保障公平，皆是AI技術未來發展所關注之焦點。