关于本研究专题
背景
本期专题旨在展示如何将机器学习(ML)和人工智能(AI)方法与真实世界数据(RWD)源结合使用，以产生有益于医疗健康的新见解。这可能包括在疾病风险因素筛查、诊断、预后、治疗优化以及治疗不良反应预测等领域的RWD与AI/ML应用，从而改善临床决策。本期特刊的论文必须展示结合AI/ML方法与RWD的附加价值。使用RWD来指导临床试验设计以及支持或加强临床试验证据的计算机建模和模拟方法也在本专题范围内。
RWD定义为在临床研究之外收集的与患者健康状况或医疗服务提供相关的数据。RWD来源可能包括电子医疗记录(EHR)，即结构化的患者级别医疗数据数字集合、初级和二级护理记录、疾病登记库，以及出生和死亡的行政数据。RWD可能包括自由文本(非结构化)临床笔记和影像数据。其他RWD来源包括患者报告结局(PRO)数据以及通过可穿戴设备、专用/安全网站或平板电脑在临床研究环境之外收集的数据。
欢迎以下类型的投稿：
- 文献综述：识别当前使用AI/ML与RWD的最新研究状况及未来研究发展机遇
- 方法论论文：提供概念验证或示范性研究，展示创新性AI/ML方法论方法在RWD中的价值
- 方法论论文：处理在使用AI/ML方法与RWD时的偏差问题，并附有示范性案例研究
- 原创研究：在任何临床领域使用AI/ML与RWD，揭示新的疾病风险因素、诊断、新疾病表型发现、疾病进展、治疗反应(有效性和安全性)、治疗优化、药物适应症再利用等方面的创新见解
- 对使用AI/ML方法与RWD的研究框架或标准开发的贡献，包括评估研究产出的评估框架
文章类型和费用
本研究专题接受以下类型的文章，除非研究专题描述中另有说明：
- 简明研究报告
- 临床试验
- 社区案例研究
- 概念分析
- 数据报告
- 编辑社论
- FAIR²数据
- FAIR²数据直接提交
- 一般评论
- 假设与理论
- 方法
- 简明综述
- 观点
- 原创研究
- 视角
- 政策与实践综述
- 综述
- 研究方案
- 系统综述
- 技术与代码
经外部编辑严格同行评审后被接受发表的文章，将向作者、机构或资助者收取出版费用。
关键词
人工智能，机器学习，真实世界数据，临床决策，电子健康记录
重要提示
对本研究专题的所有投稿必须符合其提交的版块和期刊的范围，如其使命声明中所定义。Frontiers保留将不符合范围的稿件引导至更合适的版块或期刊的权利，此决定可在同行评审的任何阶段做出。
专题编辑
普佳·迈尔斯(Puja Myles) - 英国药品和保健品监管局，伦敦，英国
西妮德·布罗菲(Sinead Brophy) - 斯旺西大学，斯旺西，英国
苏珊·霍奇森(Susan Hodgson) - 英国药品和保健品监管局，伦敦，英国
【全文结束】