DeepHealth：人工智能在健康信息学中的综述与挑战

人工智能为我们提供了一整个全新研究领域的探索。随着更多数据与更强计算能力变得可用，该方法正被应用于各个领域。健康信息学对其的需求也在增长，我们可以期待其在医疗健康中应用的潜在益处。它可帮助临床医生诊断疾病、识别每位患者的药物效应、理解基因型与表型之间的关系、探索新表型或治疗建议，并高精度预测传染病暴发。与传统模型相反，近期的人工智能方法不需要特定领域的数据预处理，且有望最终改变未来的生活。尽管其具有显著优势，在实际使用中存在关于数据（高维性、异质性、时间依赖性、稀疏性、不规则性、缺乏标签、偏差）与模型（可靠性、可解释性、可行性、安全性、可扩展性）的一些关键挑战。本文对人工智能应用于健康信息学的研究进行了全面综述，聚焦于过去七年在医学影像、电子健康记录、基因组学、传感与在线通信健康领域的进展，以及未来研究的挑战与有前景的方向。我们强调了正在进行的热门方法研究，并指出了构建模型中的若干挑战。