神经心脏病学是一个跨学科领域，旨在探索大脑与心血管系统之间的复杂联系，通过整合方法来改善患者预后。近年来，人工智能（AI）的进步，特别是多模态模型的发展，通过利用神经影像、心脏影像、可穿戴传感器和遗传图谱等多样化数据源，在增强风险预测方面展现出巨大潜力。然而，尽管取得了显著进展，将这些AI驱动的洞察转化为常规临床护理仍是一个挑战。当前领域的特点是围绕模型可解释性、不同患者群体间的可靠性，以及整合多模态数据进行预测的安全性等问题存在持续争论。此外，研究强调了与算法偏见、数据隐私和数据源异质性相关的重大挑战，凸显了对稳健、可推广且透明的解决方案的迫切需求。
本研究专题旨在促进围绕用于整合性脑血管和心血管风险预测的AI工具的开发、评估和临床实施，开展创新研究和关键讨论。通过解决技术和转化方面的障碍，本倡议鼓励跨学科工作，探索可解释模型的设计、量化不确定性，并确保AI解决方案的公平性、安全性和隐私保护。关键目标包括识别临床应用的障碍、评估数据质量和多样性的影响，以及展示将多模态AI模型推向临床的有效途径。总体目标是赋能神经心脏病学领域，利用AI开发真正个性化和整合性的护理策略。
本研究专题欢迎聚焦于精准医学、神经心脏病学和人工智能交叉领域的原创研究、综述、观点、方法和案例研究。研究应清晰阐述其研究发现的范围和局限性，并强调对临床转化的实践见解。为深入探讨该领域，我们欢迎涉及以下主题的文章，但不限于此：
- 多模态数据（如影像、可穿戴设备、遗传学）在AI模型中的整合
- 实现模型可解释性和透明性的策略
- 管理神经心血管风险预测模型中的不确定性
- 解决AI应用中的偏见、公平性和隐私问题
- 将AI生成的洞察转化为临床工作流程和决策过程
附录：适合本研究专题的文章类型包括原创研究、综述、观点、方法和案例研究。
*Sudre博士是BrainKey的科学顾问。
【全文结束】