得益于人工智能、5G、大数据、云计算、可穿戴设备和物联网等IT技术的快速发展，机器学习越来越多地被应用到了非侵入/微创临床医疗当中。
Frontiers 邀请该领域的专家，组建客座主编团队。通过前沿专刊的方式提供相关各领域的专家学者共同探讨模型驱动与数据驱动利弊的平台，并对未来机器学习在非侵入/微创医疗健康领域理论与方法的发展方向进行深度探讨。
机器学习在疾病的诊断、治疗、管理和日常生活辅助等方面和已经取得了一系列可观的进展，国内的科学家和产业界在此领域进行了长期不懈的努力，也取得了很多长足的进步与可喜的成果。目前的研究主要集中在可穿戴设备的研究与开发、医疗大数据结合人工智能算法的应用、新型诊疗设备的开发、结合人工智能的疫病预防与管理等方向。
机器学习在非侵入/微创临床的应用仍有很多实际问题亟待解决：比如公开的标准化数据库极度匮乏、相关的研究可复现性不强、基础问题没有研究清晰、医工融合缺乏真正交融、人工智能法律伦理等挑战与问题。这些挑战与问题严重制约了相关领域的发展，因此特别需要多学科、多背景（包含学术界和业界）的专家学者共同努力。该研究领域的最终目的是通过多学科交叉合作，真正促进一个以人类为中心的人工智能体系（Human-Centered AI）可以更好地应对人类数字健康与医疗变革。
未来的发展趋势将会聚焦如何使人工智能的模型更加稳健，如何构造更接近人类智慧的智能体，以及如何利用5G、物联网和大数据技术更好地运用到临床与日常健康管理方面。医工融合，最终还是要从解决实际问题出发，满足临床与生活中的需求。
近年来，深度学习逐渐成为机器学习中的热门与主流方向，在数据驱动的方法下，传统机器学习耗时、需要专门知识的特征提取工程逐渐被深度学习模型的自主特征提取范式所取代。
然而，由于深度学习模型的可解释性较差，尤其对于健康医疗领域的研究非常局限。因此，通过此专刊将提供一个平台可以供相关各领域的专家学者共同探讨模型驱动与数据驱动的利弊，以及讨论未来机器学习在非侵入/微创医疗健康领域理论与方法的发展方向。
此专刊发布在：Frontiers in Digital Health
- Manuscript – 2020 年 12 月 18 日
