早在 2017 年，互联网医疗还流行咨询与轻问诊阶段时，医联就开始向纵深的、技术门槛更高、整合难度更大、对患者结果负责的方向进行探索，寻找互联网与医疗真正的价值契合点，并试图找到一种更合理的方式去为患者服务。最终，医联确定了对患者疾病的全病程管理这一路径，通过为患者提供包括医疗筛查检测、诊疗、康复在内的全病程管理，造福广大患者。基于这种需要，医联逐步建立并完善了医疗大数据的清洗及数据结构化能力，为后来的发展奠定了基础。
2018 年，医联在布局慢病管理后一直完善横向的病种覆盖，纵向的服务完善与规范化。围绕数字化学科建设，在专家指导下，结合临床指南和临床路径，医联逐步形成着疾病的线上管理SOP，打造专业、规范、有效的互联网疾病管理。
基于NLP、CV等人工智能技术及AIoT物联网技术，医联在数据挖掘、机器学习、深度学习和知识图谱等领域皆有布局，并在预防、诊断和康复等环节落地了智能体液检测、智能分诊、TMD辅助诊断、口腔影像识别和智能医助等一系列应用场景。
也是在这些应用场景中，医联的决策者直观地看到了AI对医疗产生的巨大赋能，并进一步确定了之后的规划。根据医联和专家团队分别进行的外部独立测试，验证结果与模型性能指标高度一致。这一早筛AI模型可使61%、51%和49%的多发性硬化症患者分别实现提前 1 年、 2 年和 3 年预警，提升了多发性硬化症的风险预测和防控能力。
到了 2021 年，医联已经初步形成一套基于互联网医院的AI诊疗系统。基于自然语言处理、图像识别和认知计算等AI技术建立的互联网医院系统将线上、线下和团队结合在一起，大大提升了就诊效率。尽管如此，但彼时的医联始终无法实现自然顺畅的全流程AI疾病诊疗。这是因为以NLP和CV为代表的人工智能虽然具有强规则、可控性的优点，但在自然语言沟通上存在障碍，也无法处理系统系、复杂性问题。不难发现，没有之前持续多年的深耕积累，医联也不可能在生成式AI领域达成今日的成就。用“天道酬勤”来形容医联的厚积薄发再合适不过。
（推广）