互补和综合医学（CIM）是指通常在西医服务中发现的医疗方法，但与常规药物合作以提高医疗保健质量和健康。CIM是一个跨学科领域，与不同的健康提供者和机构协调，涵盖包括精神，情感，功能，精神，社会和社区方面的大众数据。

目前，CIM PROSPERS并融入全球许多国家的医疗保健系统。因此，CIM研究迫切需要使用统计数据，人工智能（AI）和机器学习的创新方法，以有效地沟通和交换研究和实践中的健康信息和大数据的所有方面。

本特别问题旨在收集新的方法研究，以收集改善CIM的高质量证据。其范围涵盖了对生物信息学，健康和医疗信息学的原创研究，以及具有严格科学基础的其他创新方法。我们的目标是从计算机科学，生物学，人工智能，大数据，医学，数学和生物统计数据等跨学科背景中汇集科学家。我们特别欢迎与AI，机器学习和统计模型中的最先进的计算方法相关的提交，这些模型可以有效地提高CIM的证据质量。我们欢迎原始研究和审查文章。

潜在主题包括但不限于以下内容：

• CIM的AI和机器学习算法
• CIM的创新生物统计模型
• 测序和高吞吐量生物医学数据的方法
• 与CIM有关的医学信息和生物信息学相关
• 新的分析和预测方法分析了高质量的临床研究
• 基于证据CIM的创新方法的原创研究