根據世界衛生組織的統計，固然罹患疾病的人只佔已開發國家約20%的人口，真正完全健康的人口只有10%，意即約有70%的人口是屬於所謂的”亞健康” 族群，也就是疾病尚未發生，但處於罹患疾病的風險當中。例如肥胖症不僅僅是心血管疾病同時也是某些癌症的重要危險因子。據估計，已開發國家的死亡有高達68%是由所謂非傳染性疾病疾病所致，上述心血管疾病與癌症就是當中最重要的死亡原因。因此，如何在發病前找出罹病高危險群與及早進行有效介入就成為減少傷病與死亡的關鍵。
　　人工智慧可以根據大數據來預測疾病的發生風險。相較於傳統流行病學的風險預測只能根據一開始的人口學特徵、家族病史、個人過去病史、生活習慣來估算未來疾病發生的風險，人工智慧可以將隨時間變化的項目也包含在預測模式當中，並依據隨時發生的事件（例如發生心肌梗塞、腦中風或癌症）並更新或修正預測模型。假如模型預測某個人未來罹患心血管疾病的風險增高，吾人即可提早進行預防、就醫或治療，並免疾病之發生或減少疾病發生所造成之傷亡並減少相關花費。倘若未來可以將微觀世界的變項（如基因體、蛋白體、代謝體等）放入預測模式當中，甚至可以藉此提升模型的準確度，甚至用以選擇適合的介入方式(預防或治療)。由於許多疾病已證明預防或早期診斷早期治療比有病徵出現以後再處理更為有效，並且更省錢，因此被認為是未來醫療的潮流。此外，人工智慧也可以收集分析以往無法收集或量化的資訊。例如由穿戴裝置收集的資訊，較諸問卷，可以收集到更能真實反應個人飲食、運動及其他生活習慣相關的參數。假如能與其他資料庫連結，將可以建構更為完整的預防醫學預測模組。以大數據人工智慧，也可以解決目前以臨床試驗為主的臨床實證建構體系。由於某些因子（尤其環境因子或危險因子）要以隨機試驗來驗證其臨床重要性難度較高，提供足夠統計力所需要之樣本數也較大，因此可利用族群健康大數據結合人工智慧來進行預測模組的持續性修正，以提供個人化預防與治療的策略選擇。