医学知识图谱

        该方向融合自然语言处理、数据挖掘、人工智能、复杂网络等关键技术，将海量医学文本中的医学知识进行表示、抽取、融合以及推理，可应用于疾病风险预测、药物作用推理、医学决策支持以及知识检索与智能问答等场景。

脑网络连接组学

       该方向融合复杂网络、深度学习等关键技术，将fMRI、dMRI、EEG等多种形式数据构建成脑网络，可应用于脑部疾病（阿尔兹海默、自闭症、抑郁症等）的早期诊断及疾病风险预测。

生物信息网络数据挖掘

        疾病、基因、靶点等信息构成了错综复杂的生物信息网络，该方向融合深度学习、图卷积神经网络等先进技术，探索如药物靶点关系、miRNA疾病关系等生物信息网络关系预测与挖掘，为药物重利用、发病机制等领域的探究奠定了基础。

医疗健康大数据

        该方向是大数据价值变现的关键环节。基于健康和医疗专业知识，构建复杂的算法和模型，针对特定的分析场景，实现健康预测与疾病控制研究、慢性病趋势分析研究、统计学分析研究、协同过滤研究等。