数字健康中的可信人工智能：鲁棒性与可解释性的综合综述

该综述聚焦数字健康场景中的可信人工智能，系统梳理鲁棒性、可解释性、公平性、问责与隐私等维度，并覆盖重症监护、新生儿健康和代谢健康应用。文章进一步总结数据稀缺、分布偏移、特征归因、梯度解释及反事实解释方法，以及面向大语言模型和可信度评估的研究进展。