人工智能（AI）是指一组的技术，使机器和电脑来模拟人的智能。人工智能技术已经发展到分析健康数据，包括病人，行为，环境，临床和药物数据的多样化。AI技术也已在临床分析数据，包括医学图像，电子健康记录（电子病历），和生理信号中广泛使用。的消费级设备和生理数据的连续监测范围内部署可用于个人健康护理一个低成本的解决方案。然而，从这些传感器获取的保健数据不能手动分析由于其规模，因此自动数据分析和决策支持技术必须被开发。

挑战依然存在关于医疗影像和生物信号分析中的应用AI的。医学图像分析在很大程度上依赖于设计和培训了自然的图像，深度学习架构。这些模型需要大量的数据来训练的。然而，在罕见疾病的情况下，通常有训练提供很少的数据。生理信号的分析在计算上是非常昂贵的，并通过噪声和测量误差高度影响。显影噪声耐AI方法是用于通过低质量的消费级装置获取分析生理数据重要。在电子病历分析结构化信息的常规机器学习模型大多是基于矢量的，在不同维度的特征值的汇总统计数据组成。分析经常被丢失的数据，如果分析需要的数据归集阻碍。

链接病人和行为数据与其他类型的临床和环境中的数据可以提供给医疗保健冲击一个独特的机会。的新的集成型的基于AI的数据分析方法，可以分析来自源异构数据，诸如传感器，键盘，语音和从低质量传感器的语音数据（如由消费者的智能手机和腕带）中获得的发展是一个高度有前途的研究方向。具体地，数据驱动AI接近分析由周围智能设备，诸如安装在智能家居或穿戴式传感器或卫生物联网智能互联网捕获患者的行为，可以向预防保健质量的改善。

我们邀请研究人员贡献的原创性研究文章，以及检讨或方法的文章，这将刺激继续努力发展和完善消费医疗保健应用AI方法。

潜在的主题包括但不限于以下内容：

• 人工智能的预防保健
• 从早期的医疗诊断低质量数据的分析
• 医疗数据的综合分析
• 在电子健康记录时空数据挖掘
• 数字表型
• 在流医疗数据的异常检测数据挖掘方法
• 从小，不完善的医疗数据的机器学习
• 抗噪机器学习方法
• 为了解嘈杂的传感器数据深层神经网络
• 健康物联网智能互联网
• 对消费者健康分析人工智能的解决方案
• 数据分析对于医疗保健作为一种服务
• 智能手机消费应用电子保健
• 精明的消费者创新医疗保健的案例研究