可信人工智能
面向临床模型的数据集偏移诊断、校准、不确定性评估、偏倚审计和部署后监测。
研究重点
贯穿健康数据全生命周期
我们的关注范围覆盖证据生成、负责任的模型开发，以及向临床和卫生系统实践的转化。
隐私与安全
适用于多机构健康数据的联邦学习、安全聚合、差分隐私和治理控制。
临床自然语言处理与多模态模型
负责任地结合临床文本、影像、信号和结构化记录，并保持具有临床意义的评价。
真实世界证据
开展因果推断与透明的观察性分析，明确呈现假设、数据来源和不确定性。
数字健康
从效用、安全性、泛化能力和日常照护应用等角度评价远程监测与医疗技术。
基因组与多组学
整合分子和临床数据，支持可解释的科学发现与转化研究。
卫生系统
以运筹研究、预测和决策支持促进卫生服务的韧性与效率。
健康公平
比较模型在不同人群中的表现，并纳入健康社会决定因素相关指标。
从方法到实践
用共同标准形成有用证据
当方法、评价与实施能够被共同审视时，研究才能产生更大的价值。
可复现优先
记录数据来源、分析决策、模型版本与评价方案，使研究结果能够被核查和扩展。
立足临床
与临床人员及相关方共同界定问题，并围绕实践中真正重要的结局和工作流程进行评价。
负责任地转化
在研发全程规划安全、公平、隐私和监测，而不是等到系统部署前才开始考虑。
合作
把你的问题带到共同体
就学术交流、工作组、培训或潜在合作与 ISFHDS 取得联系。