人工智能在医学领域应用研究热点的计量学分析

陈书敏　孔外平　柳俊

关键词：人工智能；医学；计量学分析；热点分析

中图分类号：R319 文献标识码：A

文章编号：1009-3044（2023）08-0013-03

0 引言

随着人工智能逐步应用到医学领域，专家学者们从各自专业的角度进行了各类研究。尽管如此，还有许多问题亟待解决，例如如何划分各个研究阶段，研究主题（热点）是如何变化的，有什么特点？这些问题在之前并没有报道提及，因此本文进行了分析和探讨。

1 资料和方法

1.1 资料

以“人工智能”“AI”分别与“医学”“医疗”“健康”组合，以多重检索策略并添加“同义词扩展”，检索起始时间为不限定，截止时间为2018年12月31日，对中国知网数据库进行检索。检索结果共有相关文献1118篇。通过对检索出的文献逐个分析，剔除新闻报道113篇、广告11篇、科普类文献45篇、无关文献423篇、相同文献2篇，共得到有效文献524篇。

1.2 方法

收集上述数据，从发文年份、文献关键词两方面进行统计分析，使用了SPSS多维度分析绘制知识图谱。

2 结果与分析

2.1 文献年份分布情况

1978年，国家将“智能模拟”列为计算机科学的重要研究方向之一[1]。受此影响，人工智能开始尝试进入医学领域。此后该项研究的文献数量虽然出现多次小幅波动，但总体呈增长的趋势。由此划分为两个阶段，即起步期（1981～2000年，2.45篇/年）、發展期（2001～2018年，26.39篇/年）（见图1） 。

2.2 发表文献内容的分析

（关键词分析）关键词是文献的“指纹”，高频关键词则更能反映研究的主题（热点）[2]。对高频词进行多维尺度分析得到不同时期的知识图谱。

2.2.1 1981～2000年起步期

由图2可知，起步期的高频词划分为六个类团（具体见表1） 。

（1） 机器人

由图2可知，A1在二象限，即起步期医疗机器人的研究已形成一定规模，但不处于核心地位。具体来说，医疗机器人分为四类，其中手术机器人应用最广泛，如1985 年机器人辅助定位神经外科活检术的应用。

（2） 计算机辅助诊断

由图2可知，A2主要在二、四象限，其中计算机辅助技术、计算机应用在第二象限，计算机辅助诊断在第四象限。即计算机辅助技术用于诊断尚处于不成熟阶段，出现了计算机辅助脑立体定向手术[3]等技术。

（3） 医学专家系统

由图2可知，A3在一象限，即处于核心地位。具体来说，1977年首个中医专家系统研发成功[4]。随后中医专家系统研制迎来了高潮，到了1990年后逐渐走向低潮[5]（医学领域的知识和经验描述的多样性和不确定性使得专家系统其知识获取和有效处理的“瓶颈”变得突出[6]） 。

（4） 文本信息处理

由图2可知，A4在三象限，即研究没有形成系统，有待进一步发展完善，诸如《中国医院知识仓库》等机构知识库陆续建立[7]。

（5） 智能化医疗仪器

由图2可知A5在三象限。即此类研究在这个时期还没有形成体系。此时中医智能化医疗仪器主要是四诊仪的研制，如脉象仪。与国外相比，我国相关研究起步较晚，且智能医疗仪器主要基于微机，而当时我国尚未完全掌握微处理器技术[8]，使得智能化医疗仪器研制也深受影响。

（6） 影像数据处理

由图2可知，A6在三象限，即该项研究较浅，没有形成完整体系。具体来说，影像数据处理以影像识别为主。其影像识别技术以图像处理、计算机视觉为主。此类研究在我国起步较晚，20世纪在80年代，国内理论研究还是一些零散的有关于图像处理或是模式识别；1997年引进计算机视觉设备和生产线[9]，此后计算机视觉框架体系逐步完善。

2.2.2 2001～2018年发展期

由图3和表2可知，发展期的高频词划分为三个类团。与起步期的类团（见表1） 相比，少了三个“（ 智能仪器”“计算机辅助诊断”和“影像数据处理”） 。即在发展期随着技术发展，智能仪器或加入了医学专家系统内化为专家系统一部分；或因为“智能仪器内部计算机移到外部，让计算机控制和协调多台仪器”，成了计算机辅助诊断一部分；或采用了机器人技术发展成为医疗机器人[10]。与此同时，计算机辅助诊断从二十世纪末就开始从数据处理发展到医学专家系统阶段，成为医学专家系统的一个分支[11]。同样的原因，“影像数据处理”类团也内化成其他类团。

（1） 机器人

由图3可知，B1在第一、三象限，即有些研究主题处于核心且成熟阶段；有些研究主题尚处于不成熟阶段。对比表1和表2的A1和B1，B1内容明显多于A1，即医疗机器人研究范围变大。这是因为发展期处于第二代感知机器人向第三代智能机器人过渡的阶段，[12]诸如上肢康复机器人、仿鞭毛菌游动的微型机器人等智能机器人更能发挥医疗作用。

（2） 医学专家系统

B2主要分布在图3的第一、三、四象限，即有些研究主题处于核心地位且成熟，如电子病历及知识库、中医药文献等大数据的数据挖掘研究[13]；有些研究主题虽已经自成体系已成熟但不是主要研究方向，如医学影像；有些研究主题发展不成熟但其地位是未来的热点，如影像组学。对比表1和表2的A3和B2，B2内容明显多于A3，即研究的广度较前一时期更大，像掌纹诊病专家系统[14]、肝病数据挖掘与专家系统[15]、基于相容性分析的医疗诊断专家系统[16]相继研发成功。

（3） 文本信息处理

B3主要分布在图3的第二象限，即研究已形成一定规模，但是不处于核心地位。对比表1和表2的A4和B3，B3内容明显多于A4，即研究的广度较前一时期更大。这是因为一方面此阶段正是因特网大发展时期，文本信息处理开始将触角延伸至新领域，如数字图书馆；另一方面将本体概念引入人工智能、图书情报等领域，由此产生了本体知识库[17]。如西医方面建立临床路径知识库[18]，中医方面建立中医古籍知识库等[19]。与此同时，利用了各种知识库建立平台提供智能决策等服务，如国内首个“护理知识图谱”研究中心[20]。

4 结论

通过对1981～2018年的人工智能在医学领域应用研究的文献内容热点分析可知，其特点为：①研究总体上划分为两个发展阶段。1981～2000年为第一阶段，起步期；2001～2018年为第二阶段，发展期。②研究主题在融合中发展。如起步期有机器人、计算机辅助诊断、医学专家系统、文本信息处理、智能化医疗仪器、影像数据处理六个研究主题；随着技术进步，智能化医疗仪器、计算机辅助诊断、影像数据处理三个研究主题在起步期逐渐融入医学专家系统、机器人主题中。③研究在深度中发展。如机器人类团在起步期虽已形成一定规模，但不处于核心地位；在起步期仍处于非核心地位；发展期则处于中心地位且发展成熟。④研究主题类团的变化既反映当时现状又昭示着未来的研究方向。如医学专家系统类团在尝试期处于中心且热点阶段；经过尝试期的发展后，在起步期形成一定规模，但是不处于研究的核心地位；在发展期有些研究主题处于核心地位且成熟，如电子病历等大数据的数据挖掘研究；有些研究主题虽已经自成体系已成熟但不是主要研究方向，如医学影像；有些研究主题发展不成熟但其地位上是未来的热点，如影像组学。