本研究主题是与Bridge2AI-Voice联盟合作开发的，该联盟属于由NIH Common Fund资助的Bridge2AI计划。声音和言语生物标志物正在迅速发展，这得益于语音AI技术的重大突破。语音数据收集的非侵入性特点使其在各种资源有限的环境中特别有价值，可用于诊断或简单地克服复杂或昂贵的临床流程。
尽管语音/言语生物标志物和语音AI在医疗诊断和监测方面有着广阔的应用前景，但其开发和部署面临着跨越多个学科的复杂挑战。语音数据的有效收集、共享和分析，以及语音AI在医疗系统中的开发、评估、监控和整合，不仅需要技术创新，还需要严格考虑临床、科学、伦理、法律、社会和实施方面的因素。全面应对这些挑战对于确保开发和使用在伦理上可溯源、临床上有效、社会责任感强、包容性强且普遍可获取的语音/言语生物标志物和语音AI解决方案至关重要。
本研究主题致力于解决与将语音AI整合到医疗保健中相关的广泛挑战。我们的关注点贯穿AI生命周期和几个关键领域：临床（提高语音AI诊断和预测的可靠性）、科学（将语音特征与健康状况联系起来）、技术（改进验证流程和AI稳健性）以及实施（将这些技术可靠且无缝地整合到现有医疗工作流程中）。此外，本主题通过促进包容性、文化敏感性和无偏见的系统，应对公平性、多样性和包容性以及可访问性的挑战。
我们还探讨了伦理问题、监管复杂性、数据隐私保护、跨司法管辖区的法律合规性、社会信任，以及将研究伦理转化为显著患者成果的可持续商业策略。通过促进全面和跨学科的对话，这一系列研究旨在以有效、公平且适应全球医疗系统多样化需求的方式推进语音AI。
本研究主题邀请深入探讨在医疗保健环境中开发和实施语音AI所面临的多维挑战的稿件。我们欢迎Frontiers in Digital Health期刊接受的所有文章类型，这些文章就这些主题提供创新解决方案和讨论，为全球医疗保健中语音AI的负责任和有效使用做出贡献。特别鼓励强调国际和多元文化考虑因素的投稿，以确保语音AI技术的广泛适用性和相关性。
我们寻求解决以下特定主题的贡献：
- 什么构成了在伦理上可溯源、临床上有效、社会责任感强、包容性强且可访问的语音AI
- 参与者招募、语音数据收集和算法训练中的公平性、多样性和包容性考虑因素
- 临床验证的有效和可扩展方法
- 将语音AI整合到常规健康工作流程中的策略
- 能够解释复杂语音数据并利用数字生物标志物的复杂算法的开发
- 实时处理的技术改进以及适应各种语音和言语特征
- 语音数据和语音AI的潜在滥用和双重用途，例如未经授权的重新识别（对人或语音）、未经批准的语音克隆或未经同意的环境监控
- 指导语音数据使用和AI决策的伦理框架和治理机制
- 法律标准以及确保跨不同医疗司法管辖区的合规性
- 强调可扩展性、可持续性、负担能力和可访问性的商业策略
- 医疗保健中语音AI解决方案的公平传播
- 数据收集、共享、分析和使用的国际考虑因素，解决全球南北之间的历史差异，并满足不同文化、民族、语言和社会经济社区的差异化需求
利益冲突：主题编辑玛丽亚·鲍威尔和让-克里斯托夫·贝利斯-皮蓬均获得美国国立卫生研究院的研究资助，用于语音AI研究。
【全文结束】
