AI与传染病研究的交叉图谱：Scoping-Review数据库全景解析

Scoping-Review项目构建了人工智能在传染病和临床微生物学领域应用的可搜索证据图谱数据库，通过范围综述方法系统性梳理相关文献，为研究者提供多维度标注的文献检索工具，助力跨学科交流与医学AI研究发展。

传染病防控是公共卫生永恒挑战，AI技术为其带来新工具，但跨学科研究现状分散。范围综述能描绘领域整体图景，识别热点与空白；证据地图通过结构化标注和可视化，满足不同背景研究者（计算机科学家、临床医生、政策制定者）的需求，帮助快速建立领域认知。

数据库核心是多维度非互斥标签体系，每条记录含出版年份、AI方法（机器学习/深度学习等）、应用类型（诊断/预测等）、疾病类型（COVID-19/结核等）、临床/实验室焦点等标签。非互斥设计允许一篇文献多标签，真实反映交叉研究特点，支持精细筛选。

• 研究者导航：多维度筛选快速定位相关文献（如深度学习+结核+诊断）；- 跨学科桥梁：结构化标注提供共同语言框架；- 政策参考：分析文献分布指导资源分配（如识别研究不足领域）。

数据库支持关键词/标签组合搜索，可能采用关系型或文档数据库，需高效索引与良好用户界面（多条件组合、排序、导出）。数据需持续更新，建立文献监测机制，保证时效性。

• 覆盖范围边界（如可能聚焦英文文献）；- 标注主观性需质量控制（多人标注、一致性检验）；- 未来可衔接开放获取文献库，提供全文链接。

项目开源透明，可查看筛选标注过程，支持二次分析；社区成员可报告错误、补充文献、建议新维度，众包维护弥补资源不足。

Scoping-Review数据库是AI传染病研究的知识基础设施，降低领域门槛、促进交流、指导研究方向。期待持续更新扩展，为公共卫生贡献力量，其方法论值得其他交叉学科借鉴。