科学背景
人工智能可以辅助识别热暴露和沙尘变化模式、融合多源传感数据、支持风险预警，也可以帮助研究者从复杂时空资料中生成可验证的假设。
健康领域的 AI 必须围绕明确用途进行评估。训练数据代表性、偏差、可解释性、隐私、安全和持续监测都很重要。AI 应支持而不是替代专业判断，特别是在资源有限和人群差异显著的地区。
国际研究趋势
健康 AI 正从只追求模型精度转向外部验证、公平性、可解释性、隐私保护、持续监测和全生命周期治理。
与 DML 研究的关联
DML 可将 AI 用于多源环境和健康数据的方法研究，但模型输出必须作为待验证证据，而不是自动形成医学结论。