通过对医学大数据的挖掘、分析，并应用智能决策技术，对常见疾病如心绞痛、心肌梗死、脑血管疾病、糖尿病、高血压病、肿瘤、哮喘病、结缔组织病等疾病发生几率的预测和疾病风险的预测，预测遗传性疾病和多发性多因素疾病，有重大的临床意义和广泛的社会效益。如图二所示，应用数据挖掘技术对不稳定心绞痛病人进行探索性分析。
2、人群健康、生命质量的预测
现代人要应付快节奏的学习、工作和生活，而且要处理好各种错综复杂的社会人际关系。面对竞争和挑战，人们的生理和心理都不断在衰弱、老化和病变。最新流行疾病调查显示，某些城市人口甚至有70％的人群处于亚健康状态，而且亚健康人群、疾病人群还在增加。通过对大量医学数据的挖掘分析和应用智能决策技术，不仅可以发现各种健康的危险因素和相关性，并可进行个体化预测，而且基于相关的挖掘成果可建立的一套完善、周密和个性化的健康管理系统，帮助健康人群及亚健康人群建立有序、健康的生活方式，降低风险状态，远离疾病；并可帮助对亚健康人群对疾病早发现、早预防、早诊断、早治疗、早手术，提高生存率、降低致残率和病死率、提高生命的质量。如图三所示，应用数据挖掘的预测模型对“体重超重且血脂并不异常”的体检人群进行血红蛋白指标的预测分析。
3、医疗上各种缺陷发生几率的预测
通过对大量医学数据的挖掘分析，以及应用智能决策技术，可以揭示发生医疗缺陷的原因、趋向、相关因素，以便制定科学的管理，减少、甚至杜绝医疗缺陷和纠纷。例如，加拿大安大略省癌症防治中心通过研发、实施安大略省预防医学与癌症防治体系，对全省的肿瘤大数据进行数据挖掘，开展病人安全与事故的预防，即利用数据挖掘方法揭示临床事故的趋势，研究和辨别引起各种事故的关键因素，指导预防措施。