人工智能在公共卫生中的应用：推动多学科融合以促进人群健康Artificial Intelligence in Public Health: Advancing Multidisciplinary Applications for Population Health

关于此研究专题

提交截止日期

1. 稿件摘要提交截止日期：2025年10月31日 | 稿件提交截止日期：2025年12月20日
2. 本研究专题仍在接收投稿。
3. 请参阅作者指南

背景介绍

人工智能（AI）正通过先进数据分析技术、诊断能力提升和医疗服务体系优化彻底革新公共卫生领域。随着电子健康记录、基因组数据和可穿戴设备数据等医疗数据呈指数级增长，AI为应对关键公共卫生挑战提供了前所未有的机遇。机器学习（ML）、深度学习（DL）、大型语言模型（LLMs）和自然语言处理（NLP）正日益融入从流行病学分析到临床决策的公共卫生应用中。这些技术突破在疾病预测、早期诊断、自动化医疗编码和个性化医疗规划方面展现出变革潜力。但数据质量保障、算法偏见消除、伦理考量和跨学科合作等挑战仍需克服，这使该领域研究保持持续动态发展态势。

本研究专题旨在探讨AI方法在应对公共卫生多领域挑战中的应用。我们欢迎投稿：利用机器学习技术改善流行病学、生物统计学、健康经济学和医疗服务规划中的健康数据分析；研究数字医学中AI如何升级现有数字健康平台并优化标准护理实践，重点关注具有临床实施潜力的AI辅助诊断治疗工具；探索机器学习与深度学习技术在医学影像识别中的整合，支持烧伤评估、癌症分级和机器人辅助康复监测等临床诊断。

此外，本专题聚焦三大核心挑战：

- 基于AI的资源开发：构建医疗语言处理、多模态分析和联邦学习的专用数据集，确保数据隐私与法规合规。

- 大规模筛查增强：研究通过语言和非语言生物标志物检测认知衰退、抑郁症等健康的AI驱动方法。

- 多模态系统升级：推动文本、影像、生理信号等多源数据整合以提升预测准确性和临床决策支持系统。

本研究专题欢迎数据科学、流行病学、生物统计学、生物工程、生物信息学、信息技术和机器人学等领域的交叉研究投稿，具体主题包括：

- 预测分析与疫情建模：用于预测疾病传播的机器学习算法

- 大数据处理与分析：管理复杂医疗数据集的AI方法

- 诊断与预后优化：用于医学影像和早期疾病检测的深度学习模型

- 早期疾病检测与公共卫生政策优化的AI应用

- 临床报告LLM分类与语音转文字技术

- 联邦学习与去中心化AI安全数据共享技术

- 实时监测与健康追踪：连续健康监测的AI应用

投稿需关注AI在公共卫生应用中的挑战与局限，包括数据质量、算法偏见、隐私保护、监管考量和实施障碍。录用稿件将根据学科侧重发表于多本Frontiers期刊。我们邀请研究人员、临床医生和技术专家贡献前沿研究成果，展示AI在公共卫生实践与政策转型中的潜力。

文章类型与费用

本研究专题接受以下文章类型：

• 简要研究报告
• 临床试验
• 社区案例研究
• 课程设置与教学法
• 数据报告
• 编者按
• 一般评论
• 假设与理论
• 方法论文
• ...（更多格式）

通过严格同行评审的录用文章需由作者、机构或资助方支付出版费用。文章类型及费用详见Frontiers期刊指南。

关键词

人工智能在医疗健康中的应用、机器学习与深度学习、预测建模与大数据分析、多模态数据分析、数字健康技术

重要提示

所有投稿必须符合目标期刊的宗旨与范围，Frontiers有权在同行评审各阶段引导稿件至更合适的期刊。

专题主编

• AP

亚历西奥·皮蒂迪斯（Alessio Pitidis）

意大利国家卫生研究院（ISS）

意大利罗马

• DG

丹尼尔·吉安桑蒂（Daniele Giansanti）

意大利国家卫生研究院（ISS）

意大利罗马

• MG

马可·朱斯蒂尼（Marco Giustini）

意大利国家卫生研究院（ISS）

意大利罗马

• MD

马特奥·德尔桑托（Matteo Delsanto）

都灵大学

意大利都灵

【全文结束】