Apuntando a la optimización de la infraestructura de big data en el sistema de salud de China, este estudio propone un modelo ligero de predicción de la demanda de médicos en series temporales, especialmente adecuado para el campo de la telemedicina. El modelo incorpora mecanismos de atención multi-cabeza y genera información estadística, lo que mejora significativamente la capacidad de procesar datos no lineales, adaptarse a diferentes fuentes de datos, mejorar la eficiencia computacional y procesar características de alta dimensionalidad. Al combinar autoencoders variacionales y unidades LSTM, el modelo puede capturar de manera efectiva relaciones no lineales complejas y dependencias a largo plazo, y el mecanismo de atención multi-cabeza supera las limitaciones de los algoritmos tradicionales. Este diseño de arquitectura ligera no solo mejora la eficiencia computacional, sino que también mejora la estabilidad en el procesamiento de datos de alta dimensionalidad y reduce la redundancia de características al combinar el proceso de normalización con estadísticas. Los resultados experimentales muestran que el modelo tiene una amplia aplicabilidad y un excelente rendimiento en un sistema de consultoría de telemedicina.