本期编辑部特邀四川大学华西医院生物医学大数据中心张伟教授担任专题执行主编，为读者带来“大数据与人工智能技术在生物医学多场景的应用”系列文章。如，在《医疗大数据结合大语言模型的应用展望》一文中，中国科学院生物物理研究所陈润生院士从辅助医生诊断和鉴别诊断、循证医学领域以及辅助医生进行临床和医学研究方面，对医疗大数据结合大语言模型的应用进行了展望，指出通过将医疗大数据与人工智能大语言模型相结合，可以实现更加精准、高效、智能化的医疗诊断和治疗，将为人类的健康事业做出更大的贡献。中山大学丁俊军教授团队在《液-液相分离在细胞命运转变和疾病中的作用》一文中深入探讨了细胞命运转变过程中液-液相分离的关键作用以及其在疾病机制中的重要性，并指出基于相分离的新型治疗策略将可能成为疾病治疗领域的重要创新方向，为神经退行性疾病、癌症等提供更有效的治疗手段。武汉科技大学医学院脑科学先进技术研究院胡斐斐等在《单细胞转录组鉴定阿尔茨海默病外周血生物标志物GZMK+ CD8+ T细胞》一文中指出外周血GZMK+ CD8+ T细胞含量升高、GZMK+ CD8+ T细胞与红细胞的交互作用增加、RESISTIN通路增强是潜在的阿尔茨海默病（AD）标志物，为AD外周血免疫相关标志物后续的研究与应用提供新思路。华中科技大学同济医学院附属同济医院王雄副研究员团队在《tau蛋白在PS19转基因小鼠中诱导异常的选择性剪切变化》一文中通过大数据分析6月龄PS19小鼠体内异常选择性剪切（AS）事件是否在tauP301S诱导的神经退行性表型之前出现，结果发现异常的剪切因子可能参与了tauP301S引起的异常AS改变，该研究结果扩展了tau蛋白病中tau蛋白循环和剪切因子的知识。西南交通大学滕飞教授团队在《基于知识图谱的潜在不适当用药预测》一文中充分利用了数据模型的特征挖掘能力和知识模型的推理能力，提出了一种结合知识图谱和机器学习的潜在不适当用药（PIM）预测模型，与现有模型相比，该模型具有更好的PIM预测性能，并且对于低频PIM标签识别效果提升显著。复旦大学索晨副教授团队在《大规模人群队列生活行为方式相关的肺癌风险预测模型的构建》一文中基于英国生物样本库（UK Biobank），筛选出肺癌的危险因素，建立了大规模人群生活行为方式相关的肺癌风险预测模型，该模型具有良好的判别能力，对临床早发现肺癌，降低临床肺癌漏诊误诊具有积极意义。此外，专题文章还关注了大数据与人工智能技术在以下生物医学多场景的应用：如使用GEO数据库联合机器学习筛选骨关节炎特征性的长链非编码RNA（lncRNA）分子标志物；将深度学习算法应用于角膜染色分级评估；提出了一种基于Faster R-CNN的甲状腺结节目标检测改进算法；将深度学习和手术切口图像相结合，利用智能手机自带相机对手术切口图像进行采集，使用ResNet网络模型对手术切口常见并发症的特征进行分类识别等。

专题执行主编介绍 

张伟 四川大学副党委书记 主任医师  博士生导师 四川大学医学大数据中心首席科学家，华西生物医学大数据中心主任。长期从事精神病与精神卫生学、卫生政策与医院管理研究，探索医院人性管理模式。先后承担国家863、973、十五、十一五、十二五攻关和支撑项目或国家自然科学基金面上项目课题等20余项，在国内外杂志发表论文150余篇，主编、参编书籍10余部。由他率领的团队初步建立中国人群焦虑和抑郁相关障碍多维生物学大数据库，囊括抑郁障碍、创伤后应激障碍、双相情感障碍、焦虑障碍等情感相关障碍的电子病历信息、脑影像信息、神经电生理信息、遗传学信息、分子生物学信息等。为焦虑和抑郁相关障碍的病因学研究、自动辅助诊断和个体化治疗相关研究提供全方位的样本库，从而为相关疾病的早期预防、早期诊断和早期个体化治疗提供依据。