基于WOS数据的医学信息学学科交叉发展态势研究

，，

现代科学既高度分化又高度综合，而交叉科学集分化与综合于一体，实现了科学的整体化[1]。医学信息学(Medical Informatics)是医学、信息科学和计算机科学三者结合而产生的综合性、交叉性的学科[2]，其研究与实践在20世纪50年代伴随着芯片和计算机的发展而产生，20世纪70年代作为一门学科被正式提出[3]。随着计算机、网络和信息技术的快速发展，医学信息学获得了飞速发展，在理论、应用和技术等方面取得了一系列成果，为医学和卫生保健领域带来了翻天覆地的变化[4]。现阶段，我国医疗信息管理的意义和地位已经逐渐上升到了战略层面[5]，大数据、精准医疗为医学信息学的发展带来了新的机遇与挑战。

近年来，不少学者针对医学信息学的学科内涵、领域特点、发展路径、研究前沿和发展趋势以及现存问题等进行了深入缜密的观察和剖析，但对其跨学科特性的规律研究相对较少。本文在已有研究成果的基础上，采用文献计量和知识图谱可视化技术对医学信息学的跨学科发展历程及态势从多维度多角度进行了更为深刻的揭示，期望为该学科的未来发展提供参考。

1 相关研究现状

1.1 医学信息学学科研究

与先进国家相比，我国医学信息学学科发展还比较落后。代涛[3]对国际上医学信息学的发展现状进行了较为系统的梳理，包括对医学信息学的内涵、国内外发展历程、热点研究问题等进行了系统分析，在此基础上探讨了我国医学信息学的发展之路；董建成[6]通过对医学信息学历史的透视、当前状况和未来面临挑战的分析，探讨了我国医学信息学发展的战略；刘岩、李小涛等[7-8]基于《医学信息学杂志》和《中华医学图书情报杂志》总结了这两种期刊30年来发文的热点内容和研究缺陷，并对比了不同时期的研究热点；李树民[9]、吕艳华[10]、李国栋[11]等学者基于大量数据采用频次统计、共现分析等方法系统地揭示了学科发展路径和现状、研究热点及趋势等；袁晓园等[12]运用相似的方法剖析了我国医学信息学国际发文的研究热点；崔雷等[13]基于对国际上重要的医学信息学期刊进行引文分析，总结了国外医学信息学的4个重点领域；许丹、曹霞等[14-15]遴选了部分期刊，应用引文分析方法，分析了几十年的领域热点和学科发展主路径以及近几年的代表作者和发展趋势等；赵颖颖、齐凤青等[16-17]则分别基于PubMed、Web of Science(WOS)上的全领域数据进行了国际热点、研究现状分析；陈春林[18]在对国内外差异的细致研究上，选择2002-2009年国内外较有代表性的医学信息学相关论文进行共性分析和内容分析，揭示了国内外的研究异同；王理、王燕鹏等[19-20]利用可视化分析方法对比了国内外特别是中美两国的发展趋势和研究热点。还有两篇比较有代表性的学位论文，一篇是栗文靖[21]依据国际医学信息学会(International Medical informatics Association，IMIA)的有关纲领，采用定性与定量相结合的方法，对美国、英国和德国的医学信息学现状进行了全局性调研和对比分析；另一篇是王晓荣[22]采用引文分析、共词分析、知识图谱等方法对近10年国内外医学信息学的发展状况进行了较为系统的梳理和对比分析，包括在引文状况、学科结构和学科发展脉络等方面的异同，提出了我国医学信息学发展的新思路。此外，崔雷等[23]聚焦国内医学信息学院、系的科研热点进行了国际对比；李后卿等[24]透过信息链这一独特视角对医学信息学当前和未来的发展重点和方向进行了研究与预测，就医学信息学发展中所面临的问题提出了相应对策。

1.2 医学信息学跨学科研究现状

国内外学者对医学信息学学科及其“跨学科”特征进行了一定的研究。在学科定义与内涵上尽管学者们多有分歧[3，25-26]，但在“多学科交叉”的特点上意见一致，大都提到多学科(Multidisciplinary)和合成或异构(Heterogeneous)[4]。国际医学信息学学会(International Medical Informatics Association，IMIA)发布的教育指南[27]界定了其跨学科的特性及内涵。Deshazo等[28]对MEDLINE上的医学信息学相关文献的计量学分析中，除了统计得出文献总数量、平均影响因子都有显著增长之外，基于主题词词频及期刊的分析证实了医学信息学明显的交叉学科发展趋势；Bemme[29]将医学信息学界定为跨学科领域的先锋，并以其为例分析跨学科研究的内涵，讨论如何有效地开展跨学科研究，包括如何协作、需要什么样的领导力，以及跨学科教育等；Knaup等[30]立足医学信息学角度分析卫生保健的发展需要跨学科知识和互操作技术的支撑，列举了健康科学/医学图书馆学与医学信息学的一些研究领域的重叠程度；Jeannette Murphy[31]指出，健康科学图书馆学是医学信息学产生的源头之一；张凌等[32]就医学信息学讨论了交叉信息学科研究的地位和作用，学科信息化的一般过程；王俏等[33]以23种国际高影响力期刊作为研究对象，基于共被引相关理论分析了1999-2013年医学信息学相关学科分布情况，归纳其分布特征，发现计算机科学、统计学、数学等学科都为医学信息学的发展提供了不可或缺的理论、方法或技术；医学信息学与全科医学、循证医学、临床流行病学等学科存在研究领域的交叉。

1.3 学科交叉性(跨学科)研究现状

在当今跨学科时代的大背景下，在各种跨学科研究政策的鼓励下，学科之间交叉的强度与广度、知识跨学科的流向、跨学科研究成果的产量与影响等跨学科特征已成为文献计量学领域重要的研究问题[34]。国内外对学科交叉的研究已蓬勃展开并取得了较为丰硕的成果，特别是测度方面，比较经典的文献[35-40]提出了一系列指标。

学科交叉探索是涉及跨学科或多学科研究的复杂问题，可视化技术因其直观、生动、易于解读等诸多优点成为研究学科交叉问题的重要工具。运用可视化技术制作知识图谱展现学科交叉态势，是学者常用的方法。李长玲等[41]针对学科交叉领域知识重叠的问题，以情报学和计算机科学为例，对两个学科中知识聚类和重叠社群网络进行可视化展示，并对两个学科间的交叉研究主题进行了分析；于洋[42]从网络凝聚子群角度，利用整体网络研究工具，探索学科交叉度的测度方法；Porter[43]通过文献计量指标和科学知识图谱对1975-2005年间6个研究领域的数据进行分析后发现，学科交叉程度随时间的推移越来越强，但是这种学科交叉多倾向于邻近学科间的交叉，跨度较大的学科间的交叉步伐相对较慢；Leydesdorff[44]利用WOS数据库，采用VOSviewer软件并结合Blondel Q社区识别算法得到全球期刊的科学覆盖图，使用Rao-Stirling指数，包括citing和cited引文矩阵测度学科交叉并做了可视化展示；张金柱[45]从学科分类的数量分布以及差异性的角度分析了图书情报领域的学科交叉性，并以叠加图进行可视化；郭婷[46]、许海云等[47]也对情报学学科的交叉态势进行了可视化研究。

综上可以看出，学者们对医学信息学的学科内涵、发展路径、领域特点、研究前沿和发展趋势等进行了广泛而深入的研究，但对其跨学科特性的分析还不够细致和量化。因此，本文借鉴现有跨学科研究成果，采用可视化技术和方法，从多维度较为全面地揭示医学信息学的跨学科发展态势，旨在为学科的未来发展提供参考。

2 研究内容和方法

本文聚焦医学信息学的跨学科发展历程及特征，从单一学科分析和多学科间对比分析两个视角，运用多种知识图谱从多个维度开展较为深入的分析和研究，主要研究内容如下。

首先，基于医学信息学单一学科的文献数据，利用文献计量方法和气泡图从年代顺序、关联时长及数量等角度分析医学信息学自身学科的发展特征，以及与其关联学科间交叉关联历史及发展态势；其次，基于医学信息学及其近邻学科的多学科文献数据，利用学科叠加图分析和对比几个学科间的相互影响和交叉发展的演化特征趋势；最后，利用双重叠加图探测医学信息学及其典型近邻学科在知识吸收、扩散和应用领域的交叉态势和趋势。

3 分析过程与结果

3.1 医学信息学单学科分析

3.1.1 数据准备及年度趋势分析

选取WOS核心合集的SCI-Expanded、CPCI-S等数据库，利用WOS的学科分类，检索式为：WC=Medical Informatics，文献类型选择“Article”，时间跨度设为1970-2015年，检索时间为2016年5月，得到44 175条记录。这批数据集所包含文献的出版年份始于1961年，合计有55个年度，各年度的文献数量如图1所示。

图1 1961-2015年医学信息学WOS文献数量年度变化趋势

基于趋势线可以将医学信息学的发展历程分为4个阶段：一是前10年的萌芽期，文献量较少且增长缓慢；二是约15年的成长期，增速较快，年文献量逐渐达到了近500篇左右；三是随后20多年增速略缓，可以视为平稳发展期；四是近10多年相对增速上升，近3年几乎持平，呈现快速发展及逐渐成熟之趋势。

3.1.2 学科类别分析

WOS对文献进行了学科类别的划分，跨学科类型的研究会被标注出所隶属的多个类别，所以体现了这些类别间的关联关系。基于此，经统计这批数据集涉及除医学信息学之外的共计25个WOS类别，作为同层级学科类别，它们与医学信息学有着不同程度的交叉关联关系。

与2012年中国学位办学科分类相对照，共涉及医学(10)、工程(7)、自然科学(6)、管理学(2)等4个一级学科，具体包括计算机科学与技术(5)、生物学(4)、基础医学(3)、临床医学(3)、公共管理(2)，以及统计学、生物医学工程学、公共卫生与预防医学、药物科学、医学技术、护理、图书馆/信息和档案管理等十几个二级学科。

数据量排名前10的WOS类别及其记录的数量见表1。可以认为，这些学科与医学信息学的学科关联相对更加紧密。

表1 TOP10医学信息学交叉关联学科类别(1961-2015)

3.1.3 学科关联变迁分析

本节关注医学信息学与上述学科类别间的关联关系的变化趋势。基于该数据集的类别属性特征，不同类别出现时期的先后、类别间在不同年份的数量上的差异等可以在一定程度上对此进行反映。为清晰起见，将55个年度按照5年一个时间段进行划分，共计11个时间段，按照自然年顺序分别标记为Yi(i=1～11)。

3.1.3.1 年代顺序维度

特定的学科类别在特定的年代出现，是该学科类别与医学信息学产生关联的交叉时间节点，每个年代新出现的交叉学科列于时间轴线见图2。不同学科出现的先后顺序，不仅分别勾画了这11个时期的重要时间和事件节点，也反映了医学信息学与其他学科类别产生交叉关联的演变情况，进一步体现了医学信息学学科发展历程中的一些具体特征。

图2 不同年代新交叉学科时间轴

纵观25个WOS类别，在最早的年代，即Y1(1961-1965)就与医学信息学产生关联的有“Biology”“Imaging Science & Photographic Technology”“Medicine, General & Internal”“Computer Science, Information Systems”“Health Care Sciences & Services”等5个类别。这与当时的学者将医学信息学学科名称界定为“计算机医学”“医学信息处理”“医学信息系统”等是相契合的。正如文献[3]所述，生物医学研究者于20世纪50年代开始使用电子数字计算机处理数字型数据，医学信息学最早期的研究成果可以追溯到1959年Ledley和Lusted[48]在Science杂志上发表的“Reasoning Foundations of Medical Diagnosis：Symbolic Logic, Probability, and Value Theory Aid Our Understanding of How Physicians Reason”一文。因此可以认为，医学信息学学科的起源和萌芽，是计算机信息系统技术和成像科学与摄影技术在生物医学领域中的应用。

从Y2(1966-1970)、Y3(1971-1975)、Y4(1976-1980)新出现的6个交叉领域可以看出，这几个时期的医学信息学更多地得益于计算机学、信息学、数学等学科的理论方法与技术实践等的发展与支撑，在检验技术、医药工程等领域有了越来越多的融合与应用，获得了较快的发展。接下来，Y5(1981-1985)和Y6(1986-1990)时期新出现的关联学科大多是医学内部学科，可以认为，基于前期的快速成长，在20世纪80年代，医学信息学有了更深入的理论发展以及更广泛的应用；而在Y7(1991-1995)和Y8(1996-2000)时期，计算机人工智能及软件工程方面的理论与技术为医学信息学的发展注入了新的活力和动力。步入21世纪以来，医学信息学的蓬勃发展进一步扩展了其与更多学科的交叉融合，在Y9(2001-2005)、Y10(2006-2010)、Y11(2011-2015)持续出现的新交叉学科凸显了医学信息学学科的快速发展之势。

3.1.3.2 关联时长维度

对于特定学科，在这批数据集中的覆盖年度数量越多，说明其与医学信息学的关联时间越久，从某种意义上说明其间的关联交叉程度越深，特别是具有持续覆盖特征的学科。25个类别按照关联时长特征的分组情况见表2。

表2 医学信息学交叉学科领域关联时长组别

在25个学科类别中，第一组的“Computer Science, Information Systems”和“Health Care Sciences & Services”连续覆盖了11个时期，多达52年，交叉关联历史最为悠长。其他具有持续关联的学科类别中，第二组都是30多年前就与医学信息学产生交叉关联关系并一直延续至今，也是关联年份较长因而关系相对较为紧密的学科。第三组则是医学信息学在早期、中期、近期的具有较长持续关联关系的不同学科，可以反映出医学信息学在不同阶段的学科发展特征。第四组是虽有所间断但关联年代较多的学科类别，包括“Medicine，General & Internal”和“Information Science & Library Science”，前者在Y1-Y2时期间数量攀升，但到Y4时期骤降到Y8才恢复，并在Y10和Y11期间大幅增加；后者则是在Y3-Y4期间关联，Y5-Y6期间有所间断，而后数量有增有减。第五组的6个学科都只在一个时期出现过，体现了相对较弱的关联关系。其中“Pharmacology & Pharmacy”在近3年数量相对较多且稳定，或许在今后会有更多关联交叉关系。

3.1.3.3 关联数量维度

本节关注从记录数量上反映学科类别间的关联交叉区别及不同时期的差异。在这批数据集中，与医学信息学的记录数量越相近，表明其间的关联程度越大，投射到具体特定年代上，同样如此。考虑到数据量的大小，仅选取上述记录量较大的10个类别进行分析，使用能够同时展示类别、年代、数量等三维数据的气泡图，可以清晰地对比不同类别在不同时期与医学信息学在数量上的相近程度，进而分析不同学科领域在特定时间段及在整个时间段上与医学信息学学科的关联特征(图3)。

图3 不同时期医学信息学与10大关联学科交叉态势

以医学信息学(PT)为参照，在Y1-Y3时期，“Health Care Sciences & Services(HL)”“Computer Science, Information Systems(ET)”与医学信息学具有等同的交叉关联程度；在Y2时期二者的文献记录数量都比Computer Science, Interdisciplinary Applications(EV)略多；但从Y3开始直到Y9都是EV多于HL、ET，且差距较大；在Y10-Y11期间，HL增幅明显，高过了EV，成为当期的最高者，即近10年与医学信息学交叉关联最紧密。从11个时段的气泡大小变化的总体趋势看，EV与医学信息学的关联关系相对更加紧密且呈现关联程度加深之趋势。

“Engineering, Biomedical(IG)”和“Mathematical & Computational Biology(MC)”先后于Y3、Y4时期同医学信息学产生交叉，在Y8之前IG都多于MC，与医学信息学的关联程度更为紧密，但在之后情况相反。近15年，MC增幅较大，趋势与医学信息学发展相近，而IG数量趋于稳定。所以，相对来讲，医学信息学与MC的关联更加紧密了，与IG的关联则相对疏远了。

“Public, Environmental & Occupational Health(NE)”“Statistics & Probability(XY)”、“Medicine, Research & Experimental(QA)”可以归为一个聚类，同时在Y5时期出现且在7个时期上的变化趋势相似程度较高。NE在后4个时期都是记录数量最多，XY和QA则分居其后。从数量维度上看，三者在前6个时期与医学信息学的关联是较为紧密的，在最后这个时期则略有淡化。“Computer Science, Theory & Methods(EX)”和“Information Science & Library Science(NU)”的变化趋势有增有减，EX在Y7和Y11有两个高值，NU在Y8和Y11有两个高值，总体趋势是与医学信息学关联由越来越紧密到逐渐淡化和平稳再到逐渐紧密。

3.2 医学信息学与其六大近邻学科之学科间关联交叉分析

本节使用科学叠加图展示医学信息学与其6大近邻学科之学科间关联交叉关系及态势。科学叠加图也叫覆盖图，制作好基准图——科学全景图(basemap)后，利用数据覆盖技术将子数据集(机构或学科)通过叠加技术获得叠加图(overlay maps)，通过叠加图可以清楚地展示不同机构或学科在整个科学背景下所处的位置；科学全景底图依赖于科学出版物的分类、聚类算法和可视化手段，目前得到的全景图具有高度的稳定性[46，49]。基于特定学科数据的学科叠加图可以了解某学科在整个科学体系中的研究领域的分布和跨度，由此可以直观地看出某学科领域的交叉度并识别相似度较高的学科类簇；而利用VOSviewer绘制不同时期的多个科学覆盖图，可以进一步分析和对比学科之间的关联交叉关系及变化趋势。

3.2.1 数据准备

将表1中前6个学科类别界定为医学信息学的近邻学科。鉴于前文已对全时段交叉态势进行了较为详尽的分析，这里特别关注2000年以来的十几年的情况。选取了WOS核心合集的SCI-Expanded、CPCI-S等数据库，利用WOS的学科分类，检索7个学科(医学信息学及其6个近邻学科)发表的文献(Article类型)，时间跨度设置分成4个阶段，第一个时间段：2000-2003年(111 495篇)，第二个时间段：2004-2007年(163 468篇)，第三个时间段：2008-2011年(201 345篇)，第四个时间段：2012-2015年(256 958篇)。7个学科的研究论文在4个时间段的学科叠加密度如图4所示。

图4 7学科科学叠加密度

3.2.2 结果分析

7个学科16年来的文献集合，基于引用关系涉及了WOS的225个类别中的146个类别，足见7个学科知识覆盖疆域的广阔性。VOSviewer学科叠加图中学科类别的权重用学科出现的次数衡量，出现数量越多，在图中节点面积越大，通过节点面积的变化可以直观发现学科的发展态势。基于引文关系的学科叠加图通过文献引用将不同学科关联起来，可视为不同学科间的交叉发展。

3.2.2.1 学科规模对比

从图中所展示的节点名称的颜色深浅(Medical Informatics做了增亮处理)、区域的颜色和大小等维度所反映的学科规模看，2000-2015年间，“Public, Environmental & Occupational Health (公共环境职业健康)”一直居于榜首，除在第二个时间段(2004-2007年)与当期排位第二的“Computer Science, Information Systems”的数量比重较为相近之外，在其余3个时间段都是具有明显的相对大规模特征，所占比重达到30%左右；“Computer Science, Interdisciplinary Applications(计算机科学，跨学科应用)”与“Computer Science, Information Systems(计算机科学，信息系统)”在第一和第四时间段规模更为相近，在第二和第三时差异相对略大，位序也有变更，第二时期是后者更大，第三时期是前者更大；“Engineering, Biomedical”和“Health Care Sciences & Services”在7个学科中算是中等规模，4个时期的相对比重有增有减，但浮动不大；“Mathematical & Computational Biology”与“Medical Informatics”在第一个时期规模较为相近，但是之后的3个时期二者之间的差别明显变大。

3.2.2.2 学科关联对比

从4个时期的密度图整体对比看，几个学科间的交叉关联关系在近10多年间变化不大。具体的细节差异体现在以下几点：在2000-2003年，“Public, Environmental & Occupational Health(公共环境职业健康)”和“Engineering, Biomedical(生物医药工程)”是与医学信息学互引关系相对最密切的学科；之后的3个时期，医学信息学与“Computer Science, Interdisciplinary Applications(计算机科学，跨学科应用)”间的互引关联有所加强并持续关联，与上述两个学科略有减弱，图中产生了间隙，特别是“Engineering, Biomedical(生物医药工程)”。在2000-2007年这两个时期，“Computer Science, Interdisciplinary Applications(计算机科学，跨学科应用)”和“Computer Science, Information Systems(计算机科学，信息系统)”两个学科都与“Telecommunications”有较为紧密的关联，但是在后两个时期有所淡化了；“Engineering, Biomedical”在2000-2003年期间与“Biology”和“Biophysics”关联较大，在2004-2007年间与“Biotechnology Applied Microbiology”关联较强，在2008-2012年与“Biochemical Research Methods”关联较强同时与“Biophysics”恢复较强关联，与“Radiology Nuclear Medicine Medical Imaging”的关联仅在2004-2007年相对较为明显。由于密度图仅能凸显部分关联强度相对较大的关联关系，所以反映的是一种相对紧密和疏远关系的变化。

3.3 医学信息学与典型近邻学科的知识吸收扩散差异分析

本节采用CiteSpace绘制学科的双重叠加图展示对比医学信息学与典型近邻学科在知识吸收扩散上的差异。陈超美教授等提出了双重叠加图(dual-map overlays)，并将其嵌入到CiteSpace分析软件中[50]。双重叠加图刻画了施引学科类群和被引学科类群之间的关联，从这种关联关系中可以直观发现考察对象(比如重要文献的引文集、主题数据集、对比机构等)科研产出成果的知识参照和知识扩散特征。

3.3.1 数据准备

郭婷等[46]研究中利用双重叠加图对比分析了“Information Science & Library Science(信息科学与图书馆学)”“Computer Science, Information Systems(计算机科学，信息系统)”“Computer Science,Interdisciplinary Applications(计算机科学，跨学科应用)”3个学科类别在2013年的知识吸收扩散情况。由于这3个学科也是医学信息学的关联学科，为了利用较多的学科类别进行对比，本文重用该文献研究成果，另外搜集“Health Care Sciences & Services”和“Engineering, Biomedical”两个学科类别在2013年的数据，构成5个学科组成的对比学科群。同时，从数据特征看，医学信息学在2013年、2014年、2015年这3年的文献量非常接近(分别为2 458篇、2 464篇、2 463篇)，所以2013年的数据应能较好地展现学科近况。

选取WOS核心合集的SCI-Expanded、CPCI-S等数据库，利用WOS的学科分类，检索医学信息学及其两个近邻学科2013年出版的文献(Article类型)，检索结果记录数分别为：“Medical Informatics”(2 458篇)、“Health Care Sciences & Services”(8 029篇)、“Engineering, Biomedical”(10 402篇)。这3个学科类别的双重叠加如图5-图7所示。

图5 医学信息学(Medical Informatics)2013年学科知识的吸收扩散叠加

图6 卫生保健科学与服务(Health Care Sciences & Services)2013年学科知识的吸收扩散叠加

图7 生物医药工程(Engineering, Biomedical)2013年学科知识的吸收扩散叠加

3.3.2 结果分析

3.3.2.1 宏观分析

用文献[46]中的3个学科的双重叠加图同时对照医学信息学及5个对比学科，从图中弧形连接曲线的色彩丰富程度看，医学信息学(Medical Informatics)、卫生保健科学与服务(Health Care Sciences & Services)、信息科学与图书馆学(Information Science & Library Science)相对另外3个学科较少，说明了它们在知识吸收扩散的跨学科广度上与其他3个学科存在一定差距。

弧线的数量可以反映学科间知识流动的频度，数量越多，频度越大。比较6个学科，虽然卫生保健科学与服务(Health Care Sciences & Services)的曲线色彩不多，但数量较大，特别是博纳众群的绿色线条；生物医药工程(Engineering, Biomedical)和计算机科学跨学科应用(Computer Science, Interdisciplinary Applications)的数量也比其余3个学科类别要多一些，说明这3个学科的知识流动体量相对较大。

图5-图7右端的图谱代表的是知识的吸收源，曲线的数量越多表明知识源涵盖到的范围越广，曲线端点的位置和分布的密集程度则反映了学科类别对不同知识吸收源的侧重差异。总体来看，几个学科类别的知识吸收源的范围都很广泛，几乎都涵盖了右图谱的所有聚类。具体地讲，医学信息学(Medical Informatics)和卫生保健科学与服务(Health Care Sciences & Services)在图谱左下方的几个聚类上端点比较集中，生物医药工程(Engineering, Biomedical)和计算机科学跨学科应用(Computer Science, Interdisciplinary Applications)则是相对偏重在图谱右上方的几个聚类，其余两个学科的分布相对较为均衡，表明前两组学科知识吸收来源相对有所偏倚和侧重，更有学科针对性。

图5-图7左端的图谱是知识的扩散区域，曲线特征所反映的扩散信息可以与右端图谱进行类比。医学信息学(Medical Informatics)和卫生保健科学与服务(Health Care Sciences & Services)都相对较多地集中于底部，后者的集中趋势更显著，前者则相对较为分散地涵盖到了右侧中部；生物医药工程(Engineering, Biomedical)突出集中于左侧中部；计算机信息系统(Computer Science, Information Systems)明显地集中于右侧中部；计算机科学跨学科应用(Computer Science, Interdisciplinary Applications)分布较均匀，表明不同学科知识应用的重点领域和广博程度。而知识扩散的疆界映射了学科内涵的丰富程度，医学信息学在6个学科中处于中等地位。

3.3.2.2 微观分析

本节重点就本文中的3个学科类别进行微观层面的分析。

医学信息学(Medical Informatics)领域文献所分布的期刊类群主要是“Medicine、Medical、Clinical”，知识来源主要由“Molecular、biology、genetics”“Health、Nursing、Medicine”“Psychology、Education、Social”3个聚类群构成。其次是“Mathematics、System、Mathematical”“Psychology、Education、Health”“Molecular、Biology、Immunology”，这3个类群的知识来源学科覆盖都非常广泛且分布较为均匀，由于篇幅所限不予赘述。

卫生保健科学与服务(Health Care Sciences & Services)领域文献的主要分布类群及其来源学科类群与医学信息学(Medical Informatics)相同，次要类群中没有医学信息学中的“Molecular、Biology、Immunology”，比其多了“Neurology、Sports、Ophthalmology”和“Economics、Economic、Political”。同样是来源广泛，不再赘述。

生物医药工程(Engineering, Biomedical)领域文献的主要分布类群中也有上述两个类别的主要类群——“Medicine、Medical、Clinical”，但其知识来源自“Psychology、Education、Social”类群的数量要比两者少很多。除此之外，主要类群还有“Physics、Materials、Chemistry”“Molecular、Biology、Immunology”“Neurology、Sports、Ophthalmology”等，体量都比上述两个类别的相同类别大很多。知识来源类群中，“Molecular、biology、genetics”“Health、Nursing、Medicine”是两大主力，其知识流供应到了左侧几乎所有分布类群，“Chemistry、Materials、Physics”位居其次，其余类别体量较少，但都比上述两个学科要多一些。

4 结语

基于众多学者对医学信息学学科及其跨学科特征的研究，本文运用多种知识图谱可视化方法和技术，从单一学科分析及多学科对比等角度，较为全面地展示和分析了该学科的交叉发展历程及现状，为其未来发展特别是跨学科方向提供了更丰富的参考和依据。从历史角度，医学信息学在早年借助计算机信息系统和摄影领域的先进技术致力于改进生物医学领域的信息处理及诊断方式，之后不断地借鉴计算机领域的前沿技术以及信息学、数学、工程等更多学科领域的先进理论与方法，涉足更多的医学领域应对和解决多个学科多种类型数据、信息和知识的管理和处理等具体问题，推进了医学大学科的理论延伸及医疗实践的改进和发展。而这一过程使医学信息学锻造并保持了与其他学科交叉关联的敏锐与活力。值得注意的是，与近邻学科相比，医学信息学在学科规模以及知识的吸收扩散跨度上还存在一定的差距，这与学科发展的历程及所处阶段有较大的关系。未来，该学科应该进一步拓宽知识来源，审时度势地增强与医学内部学科和其他科学分支学科的交叉，更多更快地借鉴其他学科和领域的先进思想和方法，改进和完善自身学科的理论基础和研究技术，并进一步增加应用的广度和深度，壮大学科的规模及影响力。

此外，本文运用多种图表从不同视角分析展示特定学科的跨学科发展历程及态势的方法，相对于现有学科交叉研究更具系统性和完整性。特别是利用时间轴图、气泡图等从关联的时序、时长和数量级等维度对学科交叉发展历史的缕析，是对学科交叉发展整个过程的全面综合剖解与展示，可以为学科的未来发展提供更加详尽丰富的参考信息，是对现有学科交叉研究的补充，具有一定的新颖性和先进性。同时，本研究定位于从相对较为宏观和长远的角度观察医学信息学的学科发展历程和态势，从学科具体主题的发展演变角度提供更为微观和翔实的信息，将作为后续研究工作。