睡眠医学与神经退行性疾病的交叉领域已成为日益重要的科学和临床关注点。阻塞性睡眠呼吸暂停、失眠、发作性睡病和昼夜节律紊乱等睡眠障碍已被证明会影响神经系统健康，促进阿尔茨海默病、帕金森病和血管性痴呆等疾病的发生和进展。当前研究认识到多种因素通路——包括缺氧、神经炎症和代谢失调——睡眠紊乱通过它们发挥全身性和脑特异性影响。尽管取得了这些进展，但在解读睡眠病理与神经退行性变之间复杂的双向联系方面仍存在重大知识空白，大多数研究主要依赖单模态评估，仅捕捉到疾病机制的片段。
传统的诊断和研究技术，如多导睡眠图或单一神经影像学模态，在全面理解这些复杂关系方面能力有限。人工智能的最新突破，特别是多模态人工智能框架和大语言模型，为将影像学、电生理学、基因组学和真实世界临床记录等多样数据类型综合到统一分析中开辟了新的可能性。然而，迫切需要新颖的计算策略，能够稳健地整合和解读这类异质数据集，支持生物标志物发现，改进疾病轨迹建模，并增强研究成果向临床决策的转化。此外，该领域在可解释性、模型泛化性和实践中的伦理采纳方面仍面临未解决的挑战。
本研究主题旨在推进睡眠障碍及其神经学后果的研究和管理中的综合性多模态方法。汇集神经科学、生物医学工程、数据科学和临床实践方面的专业知识，本研究主题力图促进前沿人工智能架构的开发和应用，用于全面分析、可操作的生物标志物识别以及对睡眠相关神经退行性过程的机制洞察。特别关注那些利用大规模跨模态数据集、开发针对医学数据的新型人工智能框架或大语言模型、或在多样化临床背景下为诊断、监测和干预提供转化解决方案的研究。
为了进一步深入了解多模态人工智能和大语言模型在睡眠医学和神经退行性疾病中的综合整合，我们欢迎涉及（但不限于）以下主题的文章：
• 多模态数据融合和表示学习用于睡眠和神经系统疾病
• 用于医学数据整合的新型计算框架和大语言模型
• 人工智能驱动的疾病模式、生物标志物和进展轨迹发现
• 睡眠与神经退行性疾病共享及独特通路的机制分析
• 人工智能和传感器技术实现的个性化及远程监测方法
• 基于人工智能的诊断和决策支持系统的临床转化
• 可解释、伦理且可泛化的人工智能在医疗保健中部署的策略
【全文结束】