L'application de modèles de diagnostic à des problèmes médicaux pose le problème de l'adaptation des paramètres de ces modèles dans des conditions difficiles. Les données médicales disponibles ne sont en effet pas toujours suffisantes, et la condition d'un patient est amenée à évoluer au cours du temps. L'apprentissage par descente de gradient visant à imiter le diagnostic d'un médecin permet de s'abstraire de ces problèmes en guidant le système vers une solution viable en un nombre restreint d'itérations.