首頁資訊人工智能在個體健康管理和群體疾病監(jiān)測中的應(yīng)用進(jìn)展

人工智能在個體健康管理和群體疾病監(jiān)測中的應(yīng)用進(jìn)展

來源：泰然健康網(wǎng) 時間：2025年08月17日 06:05

【摘要】人工智能技術(shù)與醫(yī)療健康領(lǐng)域的融合不斷加深，相比在醫(yī)學(xué)影像識別和藥物開發(fā)設(shè)計等領(lǐng)域的有序發(fā)展，人工智能協(xié)助公共衛(wèi)生的發(fā)展仍處于初級階段。我國預(yù)防醫(yī)學(xué)與公共衛(wèi)生體系的建設(shè)主要包括個體精準(zhǔn)健康和群體流行病風(fēng)險監(jiān)測，兩者各有側(cè)重且互為補(bǔ)充。本文基于從個體到整體的角度，討論了人工智能算法和技術(shù)驅(qū)動的基因檢測、可穿戴設(shè)備、物聯(lián)網(wǎng)移動端口在個體的精準(zhǔn)化健康管理中的發(fā)展；以及通過收集個體健康數(shù)據(jù)，并將其與時間、社會行為等大數(shù)據(jù)進(jìn)行聯(lián)合計算，構(gòu)建新型流行病風(fēng)險預(yù)警系統(tǒng)的可能性。

與臨床治療不同，公共衛(wèi)生與預(yù)防醫(yī)學(xué)主旨“上醫(yī)治未病”，是通過預(yù)防性的手段對疾病進(jìn)行提前干預(yù)或指定后續(xù)治療方案，對廣大人民的健康進(jìn)行管理。我國發(fā)展建設(shè)新型公共衛(wèi)生體系主要包括兩個方面:基于不同個體或該類個體所在相似人群的精準(zhǔn)健康防控，以及基于大數(shù)據(jù)管控突發(fā)流行病等衛(wèi)生事件的群體風(fēng)險監(jiān)管[1]，它們二者在公共衛(wèi)生安全領(lǐng)域各有側(cè)重點也互為補(bǔ)充[2]。然而，當(dāng)下的疾病控制體系持續(xù)面臨人力短缺、采集收據(jù)方法陳舊、監(jiān)督系統(tǒng)薄弱、數(shù)據(jù)分析方法單一等[3-5]，迫切需要新的技術(shù)方法和理念來改進(jìn)這些現(xiàn)實問題。人工智能可以從硬件配備和高端數(shù)據(jù)分析兩個層面輔助現(xiàn)代預(yù)防醫(yī)學(xué)體系的建設(shè)。包括便攜式配飾、運(yùn)動器械芯片等，與手機(jī)端口或物聯(lián)網(wǎng)端口進(jìn)行連接，實時收集人體變量數(shù)據(jù)。同時，人工智能設(shè)備和算法對生理指標(biāo)進(jìn)行分析研判，輔以對不同個體的社會行為的收集分析，能及時發(fā)現(xiàn)潛在的亞健康病情并給予解決。此外，以突發(fā)性傳染病為例，目前的智能驅(qū)動的個體數(shù)據(jù)收集也可以在群體監(jiān)測的過程中得到綜合應(yīng)用:包括將這些數(shù)據(jù)結(jié)合時間、行程、線上及線下的社會行為等多種數(shù)據(jù)進(jìn)行計算和模型構(gòu)建，可以完善疾病控制的預(yù)警系統(tǒng)，做到有效減少地區(qū)間流行病和傳染病的傳播與危害系數(shù)。因此，本文討論了智能技術(shù)將公共衛(wèi)生體系中的個體化健康管理和群體性疾病監(jiān)控兩個疾病預(yù)防的關(guān)鍵領(lǐng)域進(jìn)行有序融合的研究發(fā)展，為發(fā)展人民健康利益以及建設(shè)多元化衛(wèi)生管理體系提供支持。

1 人工智能在精準(zhǔn)化個性健康管理的應(yīng)用

人工智能(artificial intelligence,AI)服務(wù)于公共衛(wèi)生的研究方向與國家需求相關(guān)[6-8]，如低收入發(fā)展國家更重視傳染病的監(jiān)控，但發(fā)達(dá)國家的智能公共醫(yī)療系統(tǒng)多精準(zhǔn)聚焦個性化的疾病的預(yù)防管理。歐美國家的精準(zhǔn)化智能健康體系致力于將人工智能運(yùn)用到遺傳學(xué)和生物醫(yī)學(xué)的研究中，通過基因組測序分析揭示特殊基因或者蛋白質(zhì)和人類遺傳性疾病或慢性病之間的聯(lián)系[9]。例如，在最近一項樣本量有限的病例對照研究中，美國研究人員開發(fā)了一種整合個人全基因組測序和機(jī)器學(xué)習(xí)數(shù)據(jù)的算法，并使用該算法研究攜帶不同染色體基因的人群，其脂肪肝和慢性肝炎的發(fā)病率[10]。評估了在給定個人基因組基線的情況下改變個人生活方式，如飲食和運(yùn)動等行為因素對肝臟慢性疾病干預(yù)的有效性，從而證明人工智能結(jié)合生物學(xué)內(nèi)容對個人健康管理模型的實用性。這種基因或蛋白質(zhì)組學(xué)結(jié)合智能算法的模式對于基因缺陷引發(fā)的潛在疾病有很好的預(yù)防作用。然而，許多慢性疾病不僅僅是基因缺陷導(dǎo)致的，而是基于日常生活、飲食和行為等多因素誘發(fā)而來。隨著社會分工的逐步改進(jìn)和醫(yī)療條件的完善，不同人群甚至不同個體引起疾病的危機(jī)因素和對疾病承受能力都各有不同。個體健康管理的需求從早期的集中篩查、集體體檢，逐漸轉(zhuǎn)變?yōu)閭€體化精準(zhǔn)管理的醫(yī)(治)防(控)融合理念[10]。如今的個體健康管理也需要滿足不同層次的人群。例如，在年輕一代中出現(xiàn)亞健康人群增多等健康問題，需要對工作時常、強(qiáng)度和工作性質(zhì)進(jìn)行個體分析，結(jié)合體力工作時間和心理情緒管理進(jìn)行健康預(yù)防和干預(yù)；另一方面，人口老齡化已從西方困擾轉(zhuǎn)變成全球議題，在我國的老年人中進(jìn)行慢性病的提前預(yù)防也是亟需關(guān)注的公共衛(wèi)生問題。這些現(xiàn)實問題都可以通過開發(fā)AI裝備以及優(yōu)化智能算法來改善。尤其是將AI運(yùn)用到對亞健康、慢性疾病和老齡化人群的健康危險因素進(jìn)行全面監(jiān)測、分析評估和預(yù)測[11-13]。

利用新型智能穿戴技術(shù)設(shè)備協(xié)助收集日常數(shù)據(jù)，常見的非侵入式可穿戴式傳感器主要有手表、頸環(huán)、特殊傳感的衣物鞋帽等，這些載體用于收集個體數(shù)據(jù)，進(jìn)而達(dá)到個性化健康風(fēng)險預(yù)警和健康結(jié)果預(yù)測的實時推斷；同時，AI基于收集的數(shù)據(jù)與大數(shù)據(jù)進(jìn)行對比，抽取關(guān)鍵因素，進(jìn)行智能機(jī)器學(xué)習(xí)，尋找可疑的生理疾病前兆；同時整合該人的職業(yè)、行為等進(jìn)行建模運(yùn)算，可以進(jìn)一步優(yōu)化精準(zhǔn)的個人健康管理和預(yù)防干預(yù)。確保實現(xiàn)全民健康覆蓋的健康相關(guān)的可持續(xù)發(fā)展目標(biāo)[14]。歐美國家從2010年起開發(fā)第一代智能手環(huán)/頸環(huán)，基于運(yùn)動時間、心跳等簡單生理數(shù)據(jù)，詳細(xì)記錄用戶運(yùn)動與空閑時間；以及平均運(yùn)動距離與身體能耗相結(jié)合，進(jìn)而預(yù)測用戶最優(yōu)化的運(yùn)動和睡眠數(shù)據(jù)[15]，如清晰地記錄睡眠時間包括人體深度和淺睡眠時間繪制睡眠質(zhì)量結(jié)果波動圖，從而提供作息健康指導(dǎo)。后續(xù)發(fā)展的第二代智能健康設(shè)備結(jié)合更多大數(shù)據(jù)，在第一代智能設(shè)備的基礎(chǔ)上，根據(jù)年齡、性別、身高和體重計算最佳運(yùn)動管理，基于智能算法給出運(yùn)動和飲食建議[16]。這些經(jīng)典的AI驅(qū)動的健康管理可以為城市工作壓力大的亞健康人群，建立某一項或者綜合性的健康檔案記錄。

但是，以上這些傳統(tǒng)可穿戴設(shè)備主要是基于簡單的個體數(shù)據(jù)收集和分析，缺少對特殊疾病或者潛在慢性病有針對性的監(jiān)測和預(yù)防手段。老齡化社會使得在進(jìn)行預(yù)防醫(yī)學(xué)健康管理的同時，更需結(jié)合臨床疾病因素，精準(zhǔn)靶向慢性病的發(fā)生發(fā)展[17]。新的形勢需要AI指導(dǎo)的醫(yī)+防融合，例如，開發(fā)復(fù)雜全面的新型可穿戴傳感器用于實時監(jiān)測患者的重要生理信號和活動，改進(jìn)初級版本的可穿戴設(shè)備，有助于個性化評估早期疾病的發(fā)生發(fā)展[18-22]。研究表明，最新智能計算方法通過多維度監(jiān)測運(yùn)動方式發(fā)現(xiàn)肌肉骨骼或認(rèn)知疾病、跌倒和平衡評估中發(fā)揮作用。如所示圖1，步行涉及多個關(guān)節(jié)和肌肉群，包括脊柱、髖關(guān)節(jié)、膝關(guān)節(jié)和背部肌肉、髖關(guān)節(jié)周圍肌肉等。典型的步行周期由小腦控制，需要身體不同部位之間良好的平衡和協(xié)調(diào)[23]。因此，行走模式的任何異常都可能預(yù)示著肌肉骨骼系統(tǒng)、中樞神經(jīng)系統(tǒng)或外周神經(jīng)系統(tǒng)疾病。例如，早發(fā)性神經(jīng)退行性疾病(如阿爾茨海默病或帕金森病)的人往往表現(xiàn)出不同的行走模式。帕金森病的早期癥狀之一是步履蹣跚。除此之外，早期帕金森病患者在行走時可能會遇到啟動、停止和轉(zhuǎn)向的困難，這些資料的收集和提取將為慢性病早診和干預(yù)提供精準(zhǔn)化的個人健康管理[24]。特殊人群，如老年人由于運(yùn)動控制力和肌肉力量下降，通常更容易摔倒，在AI計算中對步態(tài)的定量分析和評估，疊加年齡與死亡率和跌倒骨折的相關(guān)性，預(yù)測步速、行走姿勢與跌倒受傷的關(guān)聯(lián)性并作出有效的個性化干預(yù)。

圖1 人工智能主導(dǎo)的可穿戴設(shè)備在個性化健康管理的流程圖
Fig.1 Flow-work of artificial intelligent associated wearable devices in personalized health management

2 人工智能在突發(fā)性公共衛(wèi)生事件的應(yīng)用

國際社會發(fā)展與全球化的科技經(jīng)濟(jì)發(fā)展規(guī)律得出，當(dāng)人均國內(nèi)生成總值達(dá)到1 000～3 000美元時，該國即將進(jìn)入公共安全事件高發(fā)期。遵照這一規(guī)律，我國已經(jīng)進(jìn)入高風(fēng)險社會。而高風(fēng)險的公共安全事件中，突發(fā)性傳染病這一公共衛(wèi)生問題也會因為全球經(jīng)貿(mào)一體化等各方面因素，擴(kuò)大疾病暴發(fā)的概率和范圍，對國家造成巨大的人口和社會損失[25]。為了更好地落實“預(yù)防為主”的國家衛(wèi)生服務(wù)方針政策，需通過公共衛(wèi)生監(jiān)測(public health surveillance)系統(tǒng)[26-28]，全面收集、分析，解釋和傳遞與健康事件相關(guān)的數(shù)據(jù)信息，建立早期的預(yù)警監(jiān)測和疾病追蹤機(jī)制。傳統(tǒng)的被動型監(jiān)測方式將病情信息通過基層社區(qū)衛(wèi)生機(jī)構(gòu)逐步向上匯總，最后通過實驗室手段進(jìn)行鑒定后確認(rèn)發(fā)布[29]。然而，這種事后發(fā)布的監(jiān)測手段難以對疫情進(jìn)行早期和感染高峰期預(yù)測，易錯失衛(wèi)生干預(yù)的最佳時機(jī)。人工智能可以通過數(shù)據(jù)分析和計算模擬，嵌入突發(fā)公共衛(wèi)生危機(jī)管理的全周期。例如，通過雨季時長和伊蚊幼蟲的感染率，結(jié)合歷年發(fā)病區(qū)域的綜合數(shù)據(jù)，預(yù)測泰國中部登革熱的發(fā)病率，做到提前在當(dāng)?shù)剡M(jìn)行病害蟲管理和傳染病防治工作。在許多突發(fā)性傳染病的疫情防控中，人工智能結(jié)合大數(shù)據(jù)分析和互聯(lián)網(wǎng)科技等手段為對疫情溯源和監(jiān)測具有重要意義[30]。

此外，最新的群體性管理模式也聚焦于將個體數(shù)據(jù)進(jìn)行收集，基于計算機(jī)算法挖掘和處理信息，組成大數(shù)據(jù)平臺。在衛(wèi)生安全事件中，智能設(shè)備記錄個體的體溫、睡眠等模式等，分析潛在的個體病況。同時，這些個體信息將儲存于大數(shù)據(jù)平臺中，并通過與整體趨勢相結(jié)合的模式，進(jìn)行群體風(fēng)險預(yù)測和監(jiān)控[31-34]。目前，個性化數(shù)據(jù)整合到群體預(yù)警體系的方式方法可以表現(xiàn)在多個層面，包括智能算法結(jié)合動力學(xué)模型、動態(tài)感染模型等大數(shù)據(jù)分析模型和實踐技術(shù)來進(jìn)行風(fēng)險態(tài)勢研判。例如，在2020年新冠肺炎疫情暴發(fā)初期，波士頓兒童醫(yī)院開發(fā)出新的個性化健康地圖(Personal Health Map)系統(tǒng)[35],利用智能手機(jī)這一便攜通訊設(shè)備，設(shè)置物聯(lián)網(wǎng)溫度計小程序?qū)⒅悄苁謾C(jī)或溫度計數(shù)據(jù)結(jié)合，用于收集和處理不同的用戶體溫、癥狀等生物體征數(shù)據(jù)，結(jié)合智能大數(shù)據(jù)中的用戶年齡、癥狀持續(xù)時間和地理位置等信息，運(yùn)用神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的方法處理數(shù)據(jù)，預(yù)測傳染病地區(qū)走向和發(fā)展趨勢。通過對不同傳染病個體的案例進(jìn)行相似性合并，輔助疾病救治、疫情防范管制和疫情信息管理[36]。我國在新冠肺炎疫情期間,對確診或疑似患者潛在的疾病傳播路線進(jìn)行多層次管理和預(yù)判，包括通過問詢其地理位置、消費(fèi)數(shù)據(jù)、出行時間等個體數(shù)據(jù)，將這些數(shù)據(jù)與發(fā)病區(qū)域在空間和時間上進(jìn)行大數(shù)據(jù)擬合分析。通過AI 繪制傳染源的地圖行動軌跡;基于該行動軌跡尋找和計算出每個疑似個體的密切接觸者,并針對不同的接觸時間、接觸形式進(jìn)行危險性劃分和流行病溯源分析。這些AI輔助手段在疫情傳染期，提高了防控隊伍的信息捕捉能力，可為處置高危地區(qū)和潛在高危地區(qū)的不同人群提供處理方案。

除了對于個性化的生理數(shù)據(jù)(體溫、睡眠、飲食)進(jìn)行分析，人工智能也可以個體主動性的社會行為進(jìn)行數(shù)據(jù)處理，通過相關(guān)非常規(guī)社會大數(shù)據(jù)也能夠重建疾病暴發(fā)的早期整體人群流行病學(xué)模型。如，利用一系列滯后的“社交媒體搜索索引”搜索各種關(guān)鍵詞，包括突發(fā)疫情的臨床癥狀(如干咳、發(fā)熱和胸悶等)。科研人員發(fā)現(xiàn)，通過使用機(jī)器學(xué)習(xí)等技術(shù)，可以分別提前6～9 d發(fā)現(xiàn)新的疫情疑似病例和確診病例。同時，還可以利用人口遷移數(shù)據(jù)，建立了一個動態(tài)傳播的、分室的“易感暴露-感染-清除”(susce-ptible-exposed-infectious-recovered,SEIR)模型，結(jié)合人工智能方法[37]，通過對2003年SARS疫情數(shù)據(jù)進(jìn)行模擬，預(yù)測COVID-19大流行曲線[38]。此外，社會資源調(diào)度同樣可以通過人工智能算法與疾病健康監(jiān)測進(jìn)行數(shù)據(jù)對接。在疫情期間，電網(wǎng)大數(shù)據(jù)通過對不同家庭用電數(shù)據(jù)的細(xì)節(jié)分析，根據(jù)用電量預(yù)判所在社區(qū)獨居和隔離人群數(shù)量，從而進(jìn)行針對性的預(yù)防干預(yù)方案。還可在宏觀上掌握和復(fù)盤醫(yī)療衛(wèi)生與社會經(jīng)濟(jì)復(fù)工之間的調(diào)控關(guān)系?？傊_發(fā)和優(yōu)化AI公共衛(wèi)生健康管理平臺，制定疾病監(jiān)控相關(guān)行動，以減少發(fā)病率和死亡率[39-40]，可以提升公共衛(wèi)生事件管理的意識和能力，保障國家衛(wèi)生治理體系與健康管理能力的現(xiàn)代化需求(圖2)。

圖2 基于人工智能的突發(fā)性傳染病監(jiān)測防疫體系
Fig.2 Monitoring and epidemic prevention system for emergent infectious diseases based on artificial intelligence

3 人工智能在公共衛(wèi)生體系的前景與困境

人工智能在臨床診斷和藥物開發(fā)等領(lǐng)域的應(yīng)用成為新時代醫(yī)學(xué)領(lǐng)域堅強(qiáng)的科技支撐，然而，現(xiàn)有的人工智能系統(tǒng)對公共衛(wèi)生和預(yù)防醫(yī)學(xué)的社會實際需求仍存在差距。公共衛(wèi)生系統(tǒng)的現(xiàn)代化建設(shè)需要考慮AI機(jī)器學(xué)習(xí)的算法優(yōu)化，尤其是在集成來自不同來源的數(shù)據(jù)輸入、輸出和屬性方面，仍有待進(jìn)一步提升[41]。目前最需要的幾個建設(shè)方向主要是:在禽流感、新冠肺炎等突發(fā)傳染病的場景下，研發(fā)基于流行病的病例庫和知識庫；構(gòu)建基于專家指導(dǎo)、多部門參與的人工智能預(yù)警系統(tǒng)；除常規(guī)可穿戴設(shè)備外，在公共場合設(shè)置多樣化的疫情數(shù)據(jù)采集的硬件建設(shè)；將個人定位與數(shù)字地圖定位相結(jié)合，提升用戶覆蓋率和精準(zhǔn)度。例如，四川大學(xué)華西醫(yī)院快速建立“華西抗疫預(yù)防的工作模式”，在已有智慧醫(yī)療基礎(chǔ)上充分發(fā)揮，通過華西醫(yī)院互聯(lián)網(wǎng)平臺，整合院內(nèi)服務(wù)互聯(lián)網(wǎng)的電子掛號和診療數(shù)據(jù)，加入到四川省疾控部門的大數(shù)據(jù)中，實時播報醫(yī)患感染情況，避免人群聚集，發(fā)現(xiàn)潛在病例[42]。以上的發(fā)展趨勢均說明，在人工智能與預(yù)防醫(yī)學(xué)的建設(shè)中，需加強(qiáng)人才培養(yǎng)，鼓勵學(xué)科建設(shè)，將預(yù)防醫(yī)學(xué)、生物醫(yī)學(xué)等相關(guān)醫(yī)學(xué)專業(yè)與軟件開發(fā)、大數(shù)據(jù)挖掘等專業(yè)的跨學(xué)科結(jié)合。

然而，全面開展智能健康數(shù)據(jù)管理也將帶來巨大的倫理挑戰(zhàn)。智能化的健康管理大數(shù)據(jù)成為了公共衛(wèi)生領(lǐng)域不可或缺的技術(shù)依賴，這些數(shù)據(jù)協(xié)助智能醫(yī)療平臺搭建的同時，也會增加醫(yī)療數(shù)據(jù)泄露的風(fēng)險[43]。精準(zhǔn)化的健康管理既需要通過個人軟件或可穿戴設(shè)備收集資料，也需要與大量疾病數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)和模型比對。機(jī)器學(xué)習(xí)在個性化疾病預(yù)防和干預(yù)通過患者的行為或遺傳風(fēng)險因素定制預(yù)防措施，需要經(jīng)由網(wǎng)絡(luò)數(shù)據(jù)庫、便攜式可穿戴設(shè)備和社區(qū)醫(yī)院等多個渠道收集和共享大量的數(shù)據(jù)。然而，人工智能在執(zhí)行機(jī)器學(xué)習(xí)的過程中，無法有意識進(jìn)行個人隱私保護(hù)。因此，為了保護(hù)敏感的個人醫(yī)療數(shù)據(jù)的隱私，還需要使用安全的通信信道。強(qiáng)大的加密技術(shù)，如公鑰基礎(chǔ)設(shè)施(public key infrastru-cture,PKI)、安全套接字層(secure sockets layer,SSL)以及適當(dāng)?shù)氖跈?quán)和身份驗證算法可以實現(xiàn)以增強(qiáng)數(shù)據(jù)安全性。同時，對于人工智能技術(shù)在預(yù)防醫(yī)學(xué)和健康管理方面，應(yīng)設(shè)立專門的監(jiān)管體系，在現(xiàn)有法律法規(guī)之上，完善和加強(qiáng)對人工智能的監(jiān)督機(jī)制。目前的倫理法規(guī)主要是基于各個領(lǐng)域和行業(yè)的分類監(jiān)督模式，即醫(yī)學(xué)類倫理問題受到醫(yī)學(xué)專家委員會的監(jiān)督管理。然而，不容忽視的是，這種基于專業(yè)驅(qū)動的管理模式在人工智能越來越普及的當(dāng)今醫(yī)學(xué)建設(shè)中是有缺陷的。對AI監(jiān)管的專業(yè)知識應(yīng)更為全面，而不僅僅是單一在醫(yī)學(xué)或者計算領(lǐng)域進(jìn)行定責(zé)。綜上所述，針對醫(yī)療大數(shù)據(jù)新時代個人隱私的保護(hù)面臨尷尬的處境，完善涉及疫情傳播隱私大數(shù)據(jù)軟件升級以及相關(guān)法律法規(guī)建設(shè)，加強(qiáng)對個人隱私、數(shù)據(jù)資源的管控。

4 展望

國家健康發(fā)展計劃表示，至2030年，每個成年人都應(yīng)以能負(fù)擔(dān)得起的方式使用數(shù)字化的衛(wèi)生保健服務(wù)。因此，當(dāng)前的公共衛(wèi)生形勢使得在符合醫(yī)學(xué)倫理和保護(hù)個人信息安全的前提下，需要進(jìn)一步優(yōu)化從個體健康數(shù)據(jù)的收集到群體數(shù)據(jù)云平臺構(gòu)建過程中存在的現(xiàn)實問題。包括完善法律法規(guī)，出臺國家規(guī)范，對由個人數(shù)據(jù)組成的健康大數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)體系認(rèn)證；以及形成專業(yè)的組織構(gòu)建，如建立國家高等級的人工智能倫理委員會、統(tǒng)一人工智能醫(yī)療便攜設(shè)備及其相關(guān)軟件的倫理審查原則等。此外，應(yīng)總結(jié)人工智能醫(yī)療軟件監(jiān)管工作起步較早的國家的工作經(jīng)驗，并結(jié)合我國人工智能技術(shù)在公共衛(wèi)生領(lǐng)域的實施具體問題，與不同國家和地區(qū)開展共同合作。

【參考文獻(xiàn)】

[1] WANG L,WANG Z H,MA Q L,et al.The development and reform of public health in China from 1949 to 2019[J].Global Health,2019,15(1):45.

[2] XU T L,WANG B S,LIU H,et al.Prevalence and causes of vision loss in China from 1990 to 2019:findings from the Global Burden of Disease Study 2019[J].Lancet Public Health,2020,5(12):e682-e691.

[3] PUASCHUNDER J M.The future of artificial intelligence in international healthcare:an index[EB/OL].Proceedings of the Research Association for Interdisciplinary Studies Conference Proceedings of the 17th Interdisciplinary RAIS conference at Johns Hopkins University School of Medicine,Baltimore,Maryland,United States,2020.http:∥dx.doi.org/10.2139/ssrn.3623530.

[4] CHANG A C.The future of artificial intelligence in medicine[M]∥Intelligence-Based Medicine.Amsterdam:Elsevier,2020:431-443.

[5] PATEL V L,SHORTLIFFE E H,STEFANELLI M,et al.The coming of age of artificial intelligence in medicine[J].ArtifIntell Med,2009,46(1):5-17.

[6] 包桉冰,徐佩.醫(yī)療人工智能的倫理風(fēng)險及應(yīng)對策略[J].醫(yī)學(xué)與哲學(xué)(A),2018,39(6):37-40.

[7] 滕文龍.基于人工智能的醫(yī)療診斷系統(tǒng)研究與設(shè)計[D].長春:吉林大學(xué),2013.

[8] SUNTQ,MEDAGLIAR.Mapping the challenges of artificial intelligence in the public sector:evidence from public healthcare[J].Gov Inf Q,2019,36(2):368-383.

[9] SCARDONI A,BALZARINI F,SIGNORELLI C,et al.Artificial intelligence-based tools to control healthcare associated infections:a systematic review of the literature[J].J Infect Public Health,2020,13(8):1061-1077.

[10] GAO S Q,HE L N,CHEN Y,et al.Public perception of artificial intelligence in medical care:content analysis of social media[J].J Med Internet Res,2020,22(7):e16649.

[11] V HINDRIKS K,JULESCHMEYE J.Artificial intelligence in health care and medicine:apersonalized approach[J].Act Scie Medic,2019,3(10):71-78.

[12] 鄭南君.人工智能在醫(yī)療健康領(lǐng)域中的應(yīng)用解析[J].中國衛(wèi)生產(chǎn)業(yè),2017,14(19):195-196.

[13] YOON P W,ISING A I,GUNN J E.Using syndromic surveillance for all-hazards public health surveillance:successes,challenges,and the future[J].Public Health Rep,2017,132(1_suppl):3S-6S.

[14] ZENG D,CAO Z D,NEILL D B.Artificial intelligence-enabled public health surveillance—from local detection to global epidemic monitoring and control[M]∥Artificial Intelligence in Medicine.Amsterdam:Elsevier,2021:437-453.

[15] WANG K,ZHAO S,LIAO Y,et al.Estimating the serial interval of the novel coronavirus disease(COVID-19) based on the public surveillance data in Shenzhen,China,from 19 January to 22 February 2020[J].Transbound Emerg Dis,2020,67(6):2818-2822.

[16] FODDAI A,LUBROTH J,ELLIS-IVERSEN J.Base protocol for real time active random surveillance of coronavirus disease(COVID-19)-adapting veterinary methodology to public health[J].One Health,2020,9:100129.

[17] PERSIDIS A,PERSIDIS A.Artificial intelligence for drug design[J].Nat Biotechnol,1997,15(10):1035-1036.

[18] BROWN N,ERTL P,LEWIS R,et al.Artificial intelligence in chemistry and drug design[J].J Comput Aided Mol Des,2020,34(7):709-715.

[19] PEA-GUERRERO J,NGUEWA P A,GARCA-SOSA A T.Machine learning,artificial intelligence,and data science breaking into drug design and neglected diseases[J].WIREs Comput Mol Sci,2021,11:e1513.

[20] BOHR H.Drug discovery and molecular modeling using artificial intelligence[M]∥Artificial Intelligence in Healthcare.Amsterdam:Elsevier,2020:61-83.

[21] MUEHLEMATTERUJ,DANIOREP,VOKINGERKN.Approval of artificial intelligence and machine learning-based medical devices in the USA and Europe(2015-20):a comparative analysis[J].Lancet Digit Heal,2021,3(3):e195-e203.

[22] ALSULIMAN T,HUMAIDAN D,SLIMAN L.Machine learning and artificial intelligence in the service of medicine:necessity or potentiality?[J].Curr Res Transl Med,2020,68(4):245-251.

[23] BRAULT N,SAXENA M.For a critical appraisal of artificial intelligence in healthcare:the problem of bias in mHealth[J].J Eval Clin Pract,2021,27(3):513-519.

[24] 斯穎航,湯少梁.基于決策模型的人工智能醫(yī)療行業(yè)治理措施研究[J].醫(yī)學(xué)與社會,2019,32(10):47-50.

[25] PANCH T,SZOLOVITS P,ATUNR.Artificial intelligence,machine learning and health systems[J].J Glob Health,2018,8(2):020303.

[26] VAN DER SCHAAR M,ALAA A M,FLOTO A,et al.How artificial intelligence and machine learning can help healthcare systems respond to COVID-19[J].Mach Learn,2020:1-14.

[27] MEHTA N,DEVARAKONDA M V.Machine learning,natural language programming,and electronic health records:the next step in the artificial intelligence journey?[J].J Allergy Clin Immunol,2018,141(6):2019-2021.e1.

[28] BOHR A,MEMARZADEH K.The rise of artificial intelligence in healthcare applications[M]∥Artificial Intelligence in Healthcare.Amsterdam:Elsevier,2020:25-60.

[29] 董佩,王坤,毛阿燕,等.我國公共衛(wèi)生與醫(yī)療服務(wù)融合現(xiàn)狀及對策[J].中國公共衛(wèi)生,2020,36(12):1686-1689.

[30] THIéBAUT R,COSSIN S,Section Editors for the IMIA Yearbook Section on Public Health and Epidemiology Informatics.Artificial intelligence for surveillance in public health[J].Yearb Med Inform,2019,28(1):232-234.

[31] LIA,QUAN S F,SILVA G E,et al.A novel artificial neural network based sleep-disordered breathing screening tool[J].J Clin Sleep Med,2018,14(6):1063-1069.

[32] LEBER A,HONTECILLAS R,ABEDI V,et al.Modeling new immunoregulatory therapeutics as antimicrobial alternatives for treating Clostridium difficile infection[J].Artif Intell Med,2017,78:1-13.

[33] CHATTERJEE B,CAO N Y,RAYCHOWDHURY A,et al.Context-aware intelligence in resource-constrained IoT nodes:opportunities and challenges[J].IEEE Des Test,2019,36(2):7-40.

[34] MAJUMDERS,MONDALT,DEEN M J.Wearable sensors for remote health monitoring[J].Sensors(Basel),2017,17(1):130.

[35] VAISHYA R,JAVAID M,KHAN I H,et al.Artificial intelligence(AI) applications for COVID-19 pandemic[J].Diabetes Metab Syndr,2020,14(4):337-339.

[36] PANTELOPOULOS A,BOURBAKIS N G.A survey on wearable sensor-based systems for health monitoring and prognosis[J].IEEE Trans Syst Man Cybern C Appl Rev,2010,40(1):1-12.

[37] HONG Y J,KIM I J,AHNSC,et al.Mobile health monitoring system based on activity recognition using accelerometer[J].Simul Model Pract Theory,2010,18(4):446-455.

[38] PHAM Q V,NGUYEN D C,HUYNH-THE T,et al.Artificial intelligence(AI) and big data for coronavirus(COVID-19) pandemic:asurvey on the state-of-the-arts[J].IEEE Access,2020,8:130820-130839.

[39] NAWAZN,SALDEENMA.Artificial intelligence(AI) applications for library services and resources in COVID-19 pandemic[J].J Critic Rew,2020,7(18):1951-1955.

[40] GUNASEKERAN D V,TSENG R M WW,THAM Y C,et al.Applications of digital health for public health responses to COVID-19:a systematic scoping review of artificial intelligence,telehealth and related technologies[J].NPJ Digit Med,2021,4(1):40.

[41] SAFDARNM,BANJAJD,MELTZERCC.Ethical considerations in artificial intelligence[J].Eur J Radiol,2020,122:108768.

[42] 朱培嘉,李雷,張龍浩,等.新型冠狀病毒疫情在線防控的“華西項目化工作模式”探索與實踐[J].中國普外基礎(chǔ)與臨床雜志,2020,27(3):257-260.

[43] MIRBABAIE M,HOFEDITZ L,FRICK N RJ,et al.Artificial intelligence in hospitals:providing a status quo of ethical considerations in academia to guide future research[J].AI Soc,2021:1-22.

網(wǎng)址: 人工智能在個體健康管理和群體疾病監(jiān)測中的應(yīng)用進(jìn)展 http://www.u1s5d6.cn/newsview1689765.html