在当今医疗领域，信息处理与分析的范式正经历着前所未有的变革。大语言模型（
LLMs
），诸如
ChatGPT
、
Sora
等的出现，为这一领域带来了全新的发展契机。这些模型基于深度学习架构，具备强大的自然语言处理能力，能够在复杂医学文本、图像以及结构化数据的处理上展现出卓越的性能。通过对海量医学知识的学习和理解，它们在临床决策支持系统的升级、患者护理质量的优化以及医疗运营流程的简化等方面，均展现出巨大的应用潜力。
然而，
LLMs
在医疗领域的广泛应用仍面临诸多挑战。在技术层面，模型的可扩展性问题亟待解决，随着医疗数据规模的指数级增长，如何确保模型在处理大规模数据时维持高效稳定的性能，是当前研究的关键难点之一；结果的可解释性同样不容忽视，由于深度学习模型的黑箱特性，其在医疗决策中的应用可能引发信任危机，难以满足医疗行业对解释性和可靠性的严格要求。从伦理视角审视，数据隐私保护问题凸显，医疗数据包含患者敏感信息，一旦泄露将造成严重后果；算法偏见问题也可能导致不公平的医疗决策，影响医疗服务的公正性。这些问题促使学界和产业界致力于构建透明、可问责的人工智能医疗系统，也使得该领域成为多学科交叉融合的前沿研究阵地。
《
Health Information Science and Systems
》期刊敏锐捕捉到这一前沿趋势，特推出“
Large Model Empowered Healthcare Information Processing and Analysis
”特刊。该特刊旨在全面展示大模型在医疗信息处理与分析领域的前沿研究成果，深入剖析面临的技术与伦理挑战，并挖掘其在医疗场景中的创新应用模式。在征稿要求上，鼓励研究者不仅要展示这些技术革新医疗领域的潜力，更要以批判性思维审视其潜在影响，通过严谨的研究方法和数据分析，为人工智能在医疗领域的负责任发展提供理论支撑和实践指导。
聚焦大语言模型（
LLMs
）在医疗保健信息处理和分析领域的多元应用，具体如下：
1.
大模型赋能电子健康记录融合分析；
2.
大模型赋能医学影像分析；
3.
大模型赋能分子建模与药物研发；
4.
大模型进行多组学数据处理、集成与分析；
5.
大模型与知识图谱在医疗健康领域的交互应用；
6.
大模型实现精准个性化医疗；
7.
大模型在医疗数据处理过程中安全与隐私保护；
8.
医疗健康领域大模型的可解释性；
9.
大模型于医疗健康场景的实际落地方案
投稿网址：
请通过
Health Information Science and Systems
投稿门户
（
https://link.springer.com/collections/fbbgeiihaa
）
在线提交稿件，提交过程中请选择
“
Large Model Empowered Healthcare Information Processing and Analysis
”特刊名称，并严格遵循期刊网站上详细的投稿指南。
《
Health Information Science and Systems
》作为跨学科领域的重要期刊，一直致力于计算机科学、信息技术与健康科学及服务的深度融合。
JCR 1
区、
SCI 2
区期刊
，
影响因子
4.7
，
这一数据反映出该期刊在学术领域的高影响力和认可度。期刊的编辑团队汇聚了来自全球顶尖高校和研究机构的权威专家，他们凭借深厚的学术造诣和丰富的行业经验，为投稿论文提供专业、严谨的评审，确保特刊的学术质量
王鑫，天津大学人工智能学院教授、副院长。中国计算机学会信息系统专委会秘书长。KBS、WWWJ、DSE等国际期刊副主编。担任DASFAA2023、WISE2024、APWeb-WAIM2020等国际会议程序委员会主席。主要研究方向为：知识工程与大模型、大数据处理
Tao Cui，就职于梅奥诊所，担任多个重要职位，包括人工智能与信息学领域讲席教授、系企业讲席教授以及平台信息学副总裁。其研究横跨本体、信息和知识提取等多个领域，在处理复杂临床和公共卫生数据方面经验丰富。
Jinli Cao，是La Trobe University计算机科学与信息技术系全职副教授，活跃于计算机科学多个领域，如数据工程和信息系统。研究兴趣广泛，涵盖推荐系统、数据隐私保护优化等多个方向。
孟昭鹏，天津中医药大学全职教授，同时担任天津市计算机学会理事长。他是国家重点研发计划项目的首席科学家与负责人，研究聚焦于物联网软件和系统、智能制造。
张强，浙江大学tenure-track助理教授，在伦敦大学学院计算机科学系取得博士学位并完成博士后研究。在机器学习、知识图谱、自然语言处理等领域深入研究，尤其关注其在AI for Science方面的应用。
此次特刊为全球科研人员搭建起一个高水准的学术交流平台。无论是专注于LLMs在医疗图像识别领域优化算法的理论研究，还是深入开展针对其在医学文献综述生成过程中所面临伦理困境的实证分析，我们都诚挚欢迎投稿。期待科研人员借助这一平台，携手攻克LLMs在医疗领域应用时的关键难题，推动技术与医学深度融合，为人类健康事业发展注入全新活力。
OpenKG
OpenKG（中文开放知识图谱）旨在推动以中文为核心的知识图谱数据的开放、互联及众包，并促进知识图谱算法、工具及平台的开源开放。
点击
阅读原文
，进入 OpenKG 网站。
