近日，人工智能学院研究员Ahmad Chaddad的本科生科研项目（URP）研究小组2019级本科生陆琦宗和李佳莉在计算机领域权威期刊 IEEE/CAA Journal of Automatica Sinica（中科院1区TOP，IF：7.847，ISSN：2329-9266）发表了题为 “Explainable, Domain-Adaptive, and Federated Artificial Intelligence in Medicine” 的研究论文。我校为该论文的第一完成单位，其中，Ahmad Chaddad研究员为第一作者，陆琦宗同学为第二作者，李佳莉为第三作者。

人工智能（AI）在不同领域中发挥着至关重要的作用，每个领域的进步都离不开大量的数据注释、计算资源的投入和技术的创新。在医学领域中尤其如此，数据的敏感性、临床任务的复杂性、误诊的严重性都会带来一系列特殊的挑战。本综述重点介绍了可解释人工智能（Explainable Artificial Intelligence，XAI）、领域自适应（Domain Adaptation，DA）、联邦学习（Federated Learning，FL）三种关键方法，旨在解决人工智能驱动的医疗决策中的一些特殊挑战，如模型的可信度，AI模型的多领域训练和应用，数据隐私问题等。该研究的相关工作得到了外国青年人才计划（QN2021033002L）的支持。

可解释人工智能模型流程图示例

横向联邦学习和纵向联邦学习流程图示例

（供稿：人工智能学院 崔亚南 审稿：融媒体中心 冼欣宜）