Con una massiccia affluenza di dati multimodalità , il ruolo dell'analisi dei dati nell'informatica sanitaria è cresciuto rapidamente negli ultimi dieci anni. Ciò ha anche suscitato un crescente interesse nella generazione di modelli analitici e basati sui dati, basati sul machine learning nell'informatica sanitaria. Il deep learning, una tecnica con le sue fondamenta in reti neurali artificiali, sta emergendo negli ultimi anni come un potente strumento per il machine learning, promettendo di ridefinire il futuro dell'intelligenza artificiale. Rapidi miglioramenti nella potenza computazionale, nel rapido storage dei dati e nella parallelizzazione hanno anche contribuito all'adozione rapida della tecnologia, oltre alla sua potenza predittiva e alla capacità di generare automaticamente funzioni a livello elevato ottimizzate e interpretazione semantica dai dati di ingresso. Questo articolo presenta una revisione completa e aggiornata della ricerca che utilizza il deep learning nell'informatica sanitaria, fornendo un'analisi critica del merito relativo e dei potenziali ostacoli della tecnica, nonché la sua prospettiva futura. Il paper si concentra principalmente sulle applicazioni chiave del deep learning nei campi della bioinformatica traslazionale, dell'imaging medico, del sensing pervasivo, dell'informatica medica e della sanità pubblica.