基于知识图谱分析的智慧医疗建设研究

摘要：为了深入剖析我国智慧医疗研究的发展形势，文章基于CNKI数据库收录的重点期刊的相关 智慧医疗文献，利用文献资料分析可视化软件CiteSpace和Vosviewer ，从多个角度对文献进行综合分 析和研究，从而构建出智慧医疗建设领域的知识图谱。基于此，共检索出符合要求的文献1449篇，目前智慧医疗生态圈发展良好，医院信息系统逐步完善，公共卫生信息化水平不断提升。

关键词：智慧医疗;大数据;物联网;知识图谱;CiteSpace

中图法分类号：TP391  文献标识码：A

Research on smart medical construction based on knowledge graph analysis

HUANG Peng

（Stomatology Hospital？ Zhejiang University School of Medicine？ Hangzhou 310005，China）

Abstract： In order to deeply analyze the development situation of smart， medical research in my country， the article is based on the relevant smart medical literature of key journals included in the CNKI database， and uses the literature data analysis and visualization software CiteSpace and Vosviewer to comprehensively analyze and study the literature from multiple perspectives， to construct knowledge graph in the field of smart medical. Based on this？ a total of 1449 documents that， meet the requirements are retrieved. At present， the smart， medical ecosystem is developing well， the hospital information system is gradually improving， and the level of public health informatization is continuously improving.

Key words： intelligent medical treatment， big data，Internet of things，knowledge atlas，CiteSpace

隨着物联网、大数据等技术在医疗领域的应用，形成了一种新型的智慧医疗服务模式。智慧医疗的建设和发展通过信息化手段实现远程医疗和自助医疗，有利于缓解医疗资源紧缺的压力;有利于医疗信息和资源的共享和交换，从而大幅提升医疗资源的合理化分配水平;有利于我国实现医疗服务现代化，提高医疗服务水平。在国家政策支持下，智慧医疗平台建设发展迅速，我国智慧医疗建设已有成效。本文旨在通过文献和知识图谱分析，梳理我国智慧医疗平台发展历程和建设现状，剖析发展过程中存在的问题，并提出相应的对策和建议[1]。

1材料和方法

1.1研究方法和工具

1.1.1研究方法

（1）文献计量学法：是一种源自图书情报学的定量分析方法，它以文献体系和文献计量特征为研究对象，构建出涵盖学科结构、学科研究热点的领域主题框架，从而为研究者探究学科发展的分布结构和变化规律提供重要参考价值。

（2）知识图谱法：存储概念间关系的矩阵大部分是稀疏矩阵，即矩阵内部所窜的分散元素的数量超出了矩阵元素之中的数量总和，不仅导致了严重的资源浪费，并且无法从矩阵中对各个概念之间所存在的隐形关联加以判断。利用知识图谱能够协助人们更加全面地对各个概念的实质内涵加以全面了解。知识图谱一般是由多个知识点和连接线组合而成，节点表示的是研究概念，而连接线则代表概念之间的关联关系。利用拓扑结构进行综合分析，可以对中心性高的知识节点进行判断。通过网络路径分析，可以识别特定领域的发展轨迹;通过网络聚类分析，可以揭示出联系紧密的知识单元之间的关系。

（3）共现分析法：主要作用就是如果两个概念共同存在于某个文本之中，那么这两个概念之间往往会存在一定的关联关系。这种方法是利用选择的共现频次阈值来对薄弱关联进行分析，从而准确掌握各个知识点之间的关系。本文在研究中所应用的是关键词共现分析方法，即针对同时存在于某篇文献中的各个关键词进行分析和研究，从而对其中所涉及的隐形热点加以明确，从不同的层面了解各个主题之间存在的关联关系。

1.1.2研究工具

CiteSpace是科技不断发展的成果，其是由美国德雷赛尔大学（大连理工大学）陈超美教授通过多年的研究研发出来的一种信息可视化软件工具，其可以被应用到对多种文献特征的分析工作之中，并且利用动态知识图谱，将最终结果利用可视化的图像呈现出来。利用CiteSpace工具可以创设出重点词汇聚集图谱、时区分布图谱、作者合著网络等系统，可以更全面地对所研究的区域情况加以反映，本文在研究中所挑选的CiteSpace版本是CiteSpace5.7。

Vosviewer属于社会网络分析软件的一种，其主要作用就是可以利用可视化的网络将网络系统内所存在的所有节点之间的关联关系加以呈现，从而对网络内的各个指标进行度量，进而进行可视化描绘和中心性分析[2]。

2结果与分析

2.1文献年度发文量演变情况

如图1所示，从年发文量角度看，2010～2021年发文量年度分布虽略有起伏，但整体明显上升，表明研究热度持续上升。2010～2012年，发文曲线缓慢增长，发文量逐年小幅度爬升，表示领域研究刚刚起步，处于新概念引入阶段，关注度不高;2013～2020年，文献数量飞速上升，于2020年达到峰值—333篇，表明智慧医疗硏究逐渐形成热潮，为本领域的成长阶段。值得注意的是，2021年发文量虽有所下降，但其可能是由于文献发表时间的滞后性导致，有待补充后续数据观察。虚线为根据年度发文量拟合的线性回归曲线，根据此曲线也可得知，目前学术界对智慧医疗的研究持续升温，发展前景广阔。

2.2学术群体分析

2.2.1高产作者及分布情况

对文献作者进行分析有助于了解智慧医疗领域高产作者群。作为文献计量學的经典定律之一，普赖斯定律用以衡量各个学科领域的文献作者分布规律。定义为“在同一主题中，半数的论文为一群高生产能力作者所撰，这一作者集合的数量上约等于全部作者总数的平方根”，其数学表示为：

（1）

2.2.2作者合著网络分析

结合作者之间所存在的合著的关系来创建作者共享的网络系统，能够将智慧医疗领域学术群内部联系情况加以展现。利用CiteSpace，节点类型选择“Author”，阈值选取办法“TOPN”数值设为10，不实施网络划分，剩余的依据以上所阐释的情况来进行参数的配置，这样可以获得作者共现网络。所涉及的节点表示作者，节点之间的关联代表合著关系。在整个网络之中，一共设有428个节点，307对连接。在图谱之中，孤立节点占据的数量较多，这充分说明大部分作者是独立奋战的状态。从整体的角度来看，智慧医疗领域还没有创设出完善的合作关系，作者合作网络联系存在明显的疏漏，整体结构的稳定性较差。当下，已经存在的少数合作关系大部分是在地缘的基础上进行被动合作的，并没有设立针对性的研究方向，所有的高产作者之间也没有形成良好的合作关系，这表明智慧医疗领域中的信息利用效率较低[3]。

2.3研究主题分析

2.3.1高频关键词

关键词是文献主题的总结，所以本文在研究中利用关键词分析来总结智慧医疗领域的研究主题以及波动情况，并对各个关键词的出现次数、低频次数关键词在事件中的作用进行分析。此外，对关键词的频繁使用情况进行总结，按照关键词的设定标准，共得到44个高频关键词。

从高频关键词列表不难发现，智慧医疗的本质是物联网、人工智能、大数据等信息技术在医药卫生领域的深入应用和实践，目的是实现患者与医护人员、医疗机构、城市基建之间的互动，逐渐从疾病治疗走向治未病，从传统医学到数字医学再到信息医学的转变，更大程度上满足了人们的个性化医疗需求[4]。2.3.2基于关键词的前沿热点探测在CiteSpace中导入正确处理后的文献集合，选择时间跨度为2010～2021年，时间分区“YearPerSlice”为1年（即每一年为一个时间单位）;节点类型选择“Keyword”;词源选择“AuthorKeyword（DE）”;反复调试后，阈值选取办法设定为“g指数”，参数k设为10;网络剪枝算法选择“Pathfinder”，修剪分片及整体网络，其他选项保持不变。为确保研究的规范性，进行同义词合并后运行，得到了基于关键词所呈现的科技智慧医疗研究知识图谱，共有316个节点，384对连接。

为探究智慧医疗领域研究热点，本文利用CiteSpace的“ClusterView”（聚类视图）对国内关键词知识图谱进行聚类分析，软件把关键词聚成了16个类团。以核心关键词节点命名。

这16个类团可以总结为三个方面：卫生信息技术、智慧医院系统和区域性智慧城市。卫生信息技术是智慧医疗的基石，其中5G、大数据、人工智能、云计算和物联网技术最为突出。目前，医院依托信息化手段实现了医疗“一卡通”，移动医疗、远程会诊、临床决策支持系统都在逐步完善。就医流程更加便捷，院内导航、在线缴费、移动医保支付、自助打印清单等服务为患者节省了大量时间。在分级诊疗政策下，远程医疗会诊、远程医学教育逐渐普及。诊疗模式也更加多元化，互联网医院、智能导诊、网上问诊已屡见不鲜。在区域性智慧城市层面，更加注重建设区域卫生平台，如电子健康档案、社区医疗服务系统、医联体、医疗平台迅速发展。另外，公共卫生系统也是智慧城市不可或缺的一部分，如疫情数字监控系统、卫生监督管理系统在新冠疫情的冲击下不断完善。

关键词以出现年份先后排序，强度（Strength）越高，表明其突现程度越大。红色色块的位置和长度代表关键词的突现区间。在15个突现词中，12个突现期都是在2015年后，表明2010年是智慧医疗主题暴发点，各种新颖、前沿热点并存共进，与发文量分析结果吻合。突变轻度排名靠前的突现词有智慧城市建设、人工智能、医联体、电子健康档案、市民卡。低时延的突变期是2019～2021年，是唯一一个突变区间持续到2021年的突现词，表面随着智慧医疗的普及，大众开始追求信息服务的时效性。

2.4.3基于关键词的主题演进趋势

随着我国智慧医疗改革的推进，在不同的时间、区域内会呈现不同的研究热点，我们需要对近十年的文献进行时间段划分，以更好地观察智慧医疗领域的研究热点流变。利用CiteSpace的“TimeLineView”（时间线视图）以时间演化的形式构建关键词的时间分布图，探索近30年来智慧医疗领域的主题变化。根据其首次出现的时间间隔，放置在不同的时间间隔中。节点之间的连接表示对应关键字之间的共现关系，连接紧密度与共现频率呈正相关。

3结论

研究表明，我国智慧医疗整体文献数量呈阶段性发展趋势，处于上升期。科研机构与学者之间的合作程度不高，“孤军奋战”现象普遍存在，但合作网络越来越紧密。载文期刊相对集中，偏向于管理学发展。医疗平台、智慧城市、互联互通、智慧医院为本领域的潜力热点。本领域的研究主题以2015年为分界线，2009年之前的研究热点—智慧地球、健康服务和医疗卫生体制改革逐渐退出主流领域，而之后的5G技术、智慧城市、医联体、互联互通等热点持续升温，方兴未艾，且主题之间的更迭并非一蹴而就，而是融合渐进，不断细化分支领域。总之，智慧医疗领域各个时期的主题呈现出以医疗信息化、区域信息化为主体，以物联网为手段的显著特征，但也越发呈现多学科交融，吸收和积累其他学科精华的趋势。

参考文献：

[1]王全亮，张月芬，左继蓉.近十年我国深度学习研究的文献计量与知识图谱分析[J].现代教育科学，2016（5）：17-24.

[2]王兰成，黄永勤.近十年我国融合数据库索引研究成果的知识图谱分析[J].中国索引，2016（1）：194-205.

[3]李洋，戴国斌，张君贤.近十年（2007-2017）我国武术文化研究热点、演进与前沿—基于知识图谱的可视化分析[J].南京体育学院学报，2018，1（10）：69-80+2.

[4]赵俊芳，姜帆.《现代大学教育》的文献计量与科学知识图谱研究[J].大学教育科学，2014（1）：115-123.

作者简介：

黄鹏（1993—），硕士，助理工程师，研究方向：信息管理与知识图谱。