人工智能赋能精准医学
本方向隶属于面向医疗的人工智能研究范畴，聚焦疾病早期预警与个体化风险分层。npj Digital Medicine，2026：为实现更早识别，我们将灌注、心肌血流、心功能与 AI 自动量化的冠脉钙化信息整合为可解释模型，并在三个独立中心完成外部验证。npj Digital Medicine，2025：为从单器官指标拓展到系统性风险，我们从低剂量衰减校正 CT 中提取多器官信息，并与灌注及临床数据联合建模，在四中心队列中预测死亡风险。
人工智能赋能数字健康
本方向同样属于面向医疗的人工智能研究方向，旨在将日常生活中的连续健康监测数据转化为衔接院内诊疗、院外康复与居家健康管理的临床有效信息。JMIR mHealth and uHealth，2019：我们首先构建感知层，将智能手表活动识别与室内定位结合，量化康复过程中的活动与空间行为。JMIR mHealth and uHealth，2022：我们随后将感知扩展到纵向建模，揭示日常活动和康复状态如何随时间演化。Frontiers in Digital Health，2024：我们进一步构建可扩展、符合 HIPAA 要求的云端基础设施，实现连续监测数据的安全采集与处理。
可信医疗人工智能方法学
本方向归属于源自医疗的人工智能研究范式，致力于发展基于因果推断的可信人工智能方法学，为临床决策提供可靠支撑。Handbook on Computer Learning and Intelligence，2022：在理论层面，我们将因果假设、识别策略与估计工具系统地连接到医学与健康政策问题。The Web Conference，2020：在估计层面，我们结合倾向得分估计、逆概率加权与双重稳健学习，校正非随机缺失数据中的选择偏差。The Visual Computer，2026：在结构发现层面，我们提出理论上精确的多项式无环约束，实现更高效、更可解释的因果图学习。