边缘计算和人工智能的快速发展为医疗系统创造了前所未有的机遇，使其能够在更靠近数据源的位置处理数据，从而降低延迟并实现实时决策。如今，医疗物联网（IoMT）在医院的各个场景中产生了海量的临床和运营数据，涵盖了从患者监护设备到能源管理系统以及员工跟踪解决方案。
当前关于边缘人工智能在医疗领域的研究主要集中在临床应用：实时患者监护、诊断支持以及关键事件警报系统。这些贡献很有价值，但仅触及医院复杂性的一个维度。医疗机构作为复杂的生态系统运作，其中临床结果与运营效率、资源分配和能源可持续性紧密交织。
现有文献在将边缘人工智能应用于医疗运营和管理方面存在显著空白。虽然集中式机器学习方法在优化医院效率、员工排班和资源分配方面已显示出效果，但这些解决方案通常依赖批处理和基于云的架构，导致延迟增加并限制了应对动态条件的响应能力。
边缘计算与人工智能的融合提供了一个变革性机遇：实现分布式组织智能，从而在需要时支持实时管理决策。这包括动态床位管理、预测性人员分配、基于占用模式的能源优化，以及跨部门的患者流协调。
此外，后疫情时代的医疗格局要求系统更具韧性和适应性，能够应对需求、资源可用性和运营约束的突然变化。边缘人工智能架构为此类适应性提供了技术基础，同时解决了数据隐私、网络可靠性和计算效率等关键问题。
本研究主题旨在弥补临床边缘人工智能应用与医疗运营智能之间的差距。我们致力于加深对分布式AI架构如何支持医院管理实时决策、资源优化和组织效率的理解。本合集将探索新颖的框架、方法论和实证研究，展示边缘人工智能如何超越患者监护，变革医疗运营，从而促进更可持续、高效且响应迅速的医疗系统。
我们欢迎涉及边缘人工智能与医疗运营交叉领域的原创研究文章、综述和案例研究。感兴趣的主题包括但不限于：
• 基于边缘的实时医院资源分配与床位管理架构
• 用于员工排班和劳动力优化的分布式AI模型
• 通过医疗设施中的边缘人工智能实现能源效率优化
• 利用边缘部署算法进行患者流预测与协调
• 用于运营数据分析的联邦学习和隐私保护方法
• 连接临床IoMT数据与运营决策系统的集成框架
• 面向边缘透明管理决策支持的可解释AI方法
• 平衡边缘、雾计算和云处理的多层计算架构应用于医疗运营
• 来自医院实施并具备可衡量运营成果的案例研究
• 集中式与分布式AI方法在医疗管理中的比较分析
文章类型与费用
本研究主题接受以下文章类型，除非研究主题描述中另有规定：
• 简要研究报告
• 社区案例研究
• 概念分析
• 数据报告
• 社论
• FAIR²数据
• FAIR²数据直接提交
• 假设与理论
• 方法
• ...查看所有格式
经外部编辑严格同行评审后接受的论文需由作者、机构或资助方支付出版费用。
关键词：边缘人工智能、医疗运营、医院资源优化、医疗物联网、实时决策
重要提示：所有对本研究主题的投稿必须符合其提交章节和期刊的范围，以各自的使命陈述为准。Frontiers保留在任何同行评审阶段将超出手稿范围的文章引导至更合适的章节或期刊的权利。
【全文结束】