8月14日，美国国家科学基金会（NSF）发布“智能健康与生物医学研究在人工智能和先进数据科学时代的应用”（SCH）计划的项目指南^[1]。该计划支持计算机和信息科学、工程、数学、统计学、行为或认知研究方面的变革性高风险、高回报进步的发展，以解决生物医学和公共卫生界的紧迫问题。该计划支持的研究主题包括：

1、公正和可信度。该主题致力于推进人工智能/机器学习（AI/ML）建模中的公正和可信度，是一项高度跨学科的工作。生物医学和健康系统的复杂性要求更深入的理解AI/ML模型中的因果关系；整合社会和经济数据以解决不平等问题和改善公平性，如疾病的异质性、疾病预防、适应性和治疗反应，并系统地考虑各种不确定性；以及对临床决策支持中的人与人工智能系统的新见解。

2、生物医学和行为研究中的转化分析。该主题将支持推动当前AI/ML和先进分析方法在生物医学和行为研究中的应用，包括：新颖的数据约简方法；支持健康和疾病研究的创新模型的稳健知识表示、可视化、推理算法、优化、建模和推理的新方法；新的计算方法，具有可证明的数学保证，用于融合和分析复杂的行为、生物医学和图像数据，以提高推理精度，特别是在有噪声和有限数据记录的情况下；新颖的可解释AI/ML模型开发；先进的数据管理系统，能够处理安全、隐私和来源问题；新型数据系统，以建立一个互联和现代化的生物医学数据生态系统；开发新技术，从临床笔记、放射学和病理学报告等非结构化文本数据中提取信息；开发新的仿真和建模方法，以帮助设计和评估新的评估、治疗和医疗设备；新型量子信息科学方法，以应对生物医学和行为研究中的独特挑战。

3、下一代多模态和可重构感知系统。该主题将解决对新的多模态和可重构感知系统/平台以及分析方法来生成预测性和个性化的健康模型的需求。关注的领域包括：集成信号处理和通信功能的微型传感器微系统；功耗显著降低的多模态或可重构传感器系统，以延长电池寿命并实现自供电操作，使传感器系统适用于可穿戴和植入式应用；分析物的实时监测和新的生物认知元件，这些元件可以根据需要重新配置以针对不同的分析物。

4、物联网系统。该主题支持创建闭环或人为参与的物联网系统，以评估、治疗和减少不良的健康事件或行为，并涵盖了控制、数据分析和机器学习等核心研究领域，包括实时学习控制、自治、设计、物联网、网络、隐私、实时系统、安全性和验证。此外，开发可以在各种环境（如家庭、初级护理、学校、刑事司法系统、儿童福利机构、社区组织）中使用的自动化技术，以及优化有效健康干预的交付也属于该主题的范围。

5、机器人技术。该主题将着重满足人们对支持或自动化增强健康、延长寿命、减少疾病、增强社交联系和减少残疾的需求，鼓励研究具有显著的计算能力和物理复杂性的机器人系统。该主题涉及各种机器人领域的研究，并考虑智能、计算和实体化紧密交织的问题。未来智能健康的机器人系统还需要考虑人机交互，以提高可用性和效果。

6、生物医学图像解释。该主题的目标是确定人类模式识别、视觉搜索、感知学习、注意偏向等特征如何可以用于改进图像解释。该主题将使用和开发演示模式，并确定观察者之间和观察者内部变异性的来源；鼓励开发模型，以研究多模态背景信息如何改变复杂图像的感知；支持利用专家的隐含知识改善知觉决策的新方法，以及研究有关将解剖和生理学的3D信息传达给人类观察者的最佳方法；支持图像数据压缩算法的发展，以实现更高效的数据存储。

7、揭示健康差距和健康公平性。重点开发整体、数据驱动的AI/ML或数学模型，以解决健康的结构性或社会性决定因素；制定新颖而有效的策略，以度量、减少和缓解歧视对健康结果的影响；支持新的跨学科计算和工程方法与模型，以更好地理解文化背景和面向多样化社区的以人为中心的解决方案；支持开发新方法，区分国家少数民族健康与健康差距研究框架所概述的不同影响水平和领域之间的复杂路径。   （郑颖）