大数据和深度学习在医疗领域的整合正在迅速改变医学研究、诊断和患者护理的格局。我们的研究专题“利用大数据和深度学习改善医疗智能和生物医学服务交付”汇集了突破性的研究，展示了这些技术在全球医疗系统中的创新应用和重大影响。本编辑评论综合了七篇精选文章的贡献，突显它们在医疗智能方面的集体进展。
该研究专题的主要目标是探索和展示利用大数据和深度学习解决医疗领域关键挑战的创新研究。通过呈现多样化的研究，我们旨在提供一个全面的概览，说明这些技术如何用于提高诊断准确性、患者护理和整体医疗系统效率。
医疗数据的指数级增长需要先进的分析工具来提取有意义的见解。传统的数据分析方法往往难以管理现代医疗数据的体量、多样性和速度。深度学习算法因其从复杂数据集中学习的能力，为这些挑战提供了强大的解决方案。这些技术在个性化医疗、公共卫生监测和临床决策支持方面特别有价值，能够实现定制化治疗和主动健康管理。
Rowalt Alibudbud的综述探讨了使用维基百科页面浏览量作为健康研究的数据来源。该研究分析了29篇利用维基百科页面浏览量来指导公共卫生服务和政策的出版物。这些研究涵盖了各种主题，包括非传染性疾病和传染病、健康干预措施以及公共事件对健康信息使用的影响。综述强调了维基百科页面浏览量在估计疾病发病率、预测公众对健康话题的兴趣以及改进健康教育活动方面的潜力。未来的研究被鼓励解决复制限制并探索维基百科上的其他健康话题。
Huanyu Li等人介绍了DIET-AI，这是一种结合双通道图像和提取文本的新颖诊断系统，用于诊断皮肤疾病。该系统使用来自亚洲人群的超过20万张图像和22万份医疗记录的数据集开发而成，其在31种常见皮肤疾病中的诊断表现与资深皮肤科医生相当。这项研究强调了整合多模态数据以提高AI驱动诊断工具的准确性和可靠性的意义，突显了其在专科护理资源有限的地区临床应用的潜力。
Yu Yao和Fei Yang讨论了在中国公共健康研究中使用真实世界数据（RWD）的法律和伦理挑战。文章探讨了在保护个人隐私与发挥健康数据公共价值之间平衡的复杂性。2021年实施的《个人信息保护法》（PIPL）强调了对“单独同意”、跨境数据传输和科学研究例外情况明确指南的需求。作者建议调整法律框架，以更好地支持公共健康研究，同时尊重隐私，这对于推进RWD在改善健康结果和指导政策决策中的应用至关重要。
Liuying Li等人提出了一种创新的心音自动分割方法，以提高心血管疾病的预测和诊断。该研究设计了一种音频数据分析工具，用于从单个心动周期中分割心音，验证使用了指氧仪。通过结合电子听诊器和AI技术，该研究实现了对心音和杂音的准确识别，为心音听诊和可视化显示提供了客观基础，增强了心脏病的预测和诊断。
Dongjin Chen等人探讨了中国杭州和盐城医生采用移动应用程序进行患者沟通的模式。混合方法研究发现，社会背景影响医生选择应用程序的方式，传统社会中的医生倾向于使用社交网络应用程序来维持社会联系，而现代社会中的医生更喜欢使用医疗平台应用程序进行声誉营销。该研究提供了关于社会属性如何影响医疗保健技术采用的见解。
Lan He等人开发了一种使用双线性卷积神经网络和残差神经网络（BCNN-ResNet）的深度学习算法，用于检测颈动脉斑块并评估其稳定性。该研究涉及多个医院的超声图像的训练和测试。该算法在识别斑块存在及其稳定性方面表现出高准确率、敏感性和特异性，为颈动脉筛查提供了一致且客观的诊断方法，对于预防中风至关重要。
Areej Alhhazmi等人使用深度学习（DL）和贝叶斯优化（BOA）方法预测沙特阿拉伯的COVID-19病例。该研究比较了BOA和DL的有效性，发现DL方法，特别是DQN模型，提供了更准确的预测。这项研究强调了高级预测模型在管理公共卫生危机中的重要性，突显了AI在疫情期间改善应对策略的作用。
研究专题“利用大数据和深度学习改善医疗智能和生物医学服务交付”展示了医疗技术的重要进展。这些文章展示了将大数据和深度学习整合到医疗系统中的实际应用和潜在益处。通过解决关键挑战并提出创新解决方案，这些研究有助于医疗智能和生物医学服务交付的持续转型。
我们感谢所有为此研究专题做出贡献的作者和审稿人。他们的奉献和见解极大地丰富了我们对大数据和深度学习如何革新医疗领域的理解。
(全文结束)
