1.Rajkomar A、Oren E、Chen K 等人。利用电子健康记录进行可扩展且准确的深度学习。npj 数字医学。2018；1(1):1 – 10。https://doi.org/10.1038/s41746-018-0029-1。2.Paydar S、Pourahmad S、Azad M 等人。利用人工神经网络建立甲状腺结节恶性风险预测模型。《中东癌症杂志》。2016；7(1):47-52。3.Amato F、López A、Peña-Méndez EM、Va ň hara P、Hampl A、Havel J.医学诊断中的人工神经网络。J Appl Biomed。2013； 11(2):47-58。 https://doi.org/10.2478/v10136-012-0031-x。4.莫赫塔尔 AM.未来医院：业务架构视图。马来医学科学杂志。2017；24(5):1-6。 https://doi.org/10.21315/mjms2017.24.5.1。5.Liu X、Faes L、Kale AU 等人。深度学习与医疗保健专业人员在医学影像检测疾病方面的表现比较：系统评价和荟萃分析。柳叶刀数字健康。2019；1(6):e271-e297。https://doi.org/10.1016/s2589-7500 (19)30123-2。6.Nagendran M、Chen Y、Lovejoy CA 等人。人工智能与临床医生：深度学习研究的设计、报告标准和主张的系统回顾。英国医学杂志。2020；368：m689。https://doi.org/10.1136/bmj.m689。7.Panch T、Pearson-Stuttard J、Greaves F、Atun R. 人工智能：公共健康的机遇和风险。柳叶刀数字健康。2019；1 (1):e13-e14。https://doi.org/10.1016/s2589-7500(19)30002-0。8.Landes J、Osimani B、Poellinger R. 药理学中的因果推理的认识论。欧洲哲学杂志。2018；8(1):3-49。 https://doi.org/10。1007/s13194-017-0169-1。9.Abdin AY、Auker-Howlett D、Landes J、Mulla G、Jacob J、Osimani B.审查机械证据评估者 E-synthesis 和 EBM +：阿莫西林和药物反应伴有嗜酸性粒细胞增多和全身症状 (DRESS) 的案例研究。当前药学设计。2019；25（16）：1866-1880。https://doi.org/10.2174/1381612825666190628160603。10.De Pretis F，Osimani B.药物警戒计算方法的新见解：E-synthesis，一种用于因果评估的贝叶斯框架。国际环境研究公共卫生杂志。11.2019;16(12):1 – 19。https://doi.org/10.3390/ijerph16122221。De Pretis F、Landes J、Osimani B。E-synthesis：药物监测中因果关系评估的贝叶斯框架。Front Pharmacol 。2019；10：1-20。https://doi.org/10.3389/fphar.2019.01317。12。De Pretis F、Peden W、Landes J、Osimani B。药物警戒作为个性化证据。收录于：Beneduce C、Bertolaso​​ M 编辑。个性化医疗正在形成。从生物学到医疗保健的哲学视角。瑞士 Cham：Springer；2021:19 即将出版。13.那不勒斯 RE。学习贝叶斯网络。Prentice Hall 人工智能系列。新泽西州 Upper Saddle River：Pearson Prentice Hall；2004 年。14.Hill AB。环境与疾病：关联还是因果关系？J R Soc Med。2015;108(1):32-37。本文首次发表于 JRSM 第 58 卷第 5 期，1965 年 5 月。https://doi.org/10.1177/ 0141076814562718。15.Mercuri M、Baigrie B、Upshur RE。从证据到建议：GRADE 能帮我们实现目标吗？J Eval Clin Pract 。2018;24(5):1232- 1239。https://doi.org/10.1111/jep.12857。