张富程 高凯 姜茂敏
现今,人工智能已经融合到各个领域,理论与技术日臻完善,应用范围不断扩大。在此背景下,人工智能在医疗卫生领域的应用方兴未艾,由于关系到国民健康问题,其应用也越来越受到重视,具有广阔的发展前景,尤其是在医学影像、药物挖掘、辅助诊断、可穿戴设备方面具有较高的研究热度[1]。但是,由于人工智能和医疗卫生领域的融合还处于初步阶段,目前还存在许多问题,例如:管理机构划分不明确,实验数据质量难以保障,复合型人才缺乏,监管体制和评估标准缺失等[2]。本文对关于人工智能在医疗卫生领域的文献进行梳理分析,通过Citespace软件进行可视化分析并绘制知识图谱,对人工智能在医疗卫生领域的研究热点和发展趋势进行分析和预测,以期为相关领域的专家学者在将人工智能应用于医疗卫生领域的研究中提供借鉴和参考。
2019年12月,在中国知网进行高级检索,文献分类目录勾选为“医药卫生科技”,检索条件为“主题=人工智能”,为全面分析相关文献以及文章的精确度,将数据来源类别设定为“全部期刊”,时间设定为1992年~2019年,共检索到1 001篇文献,并对相关作者的发文量进行统计分析。对检索到的每一条文献进行逐一考究,剔除与主题不符合、重复的文献,筛选出245篇与主题词密切相关的文献,并对作者分布、关键词分布情况展开分析,见图1。
图1 文献检索流程图
Citespace也称“科学知识图谱”,通过可视化的手段来呈现科学知识的结构、规律和分布情况,其以树形图、时间顺序揭示热点、前沿的演进,具有预测与推进的功能[3]。运用中国知网自带的计量可视化分析工具分析医疗卫生领域人工智能发文量;采用关键词共现分析、关键词前沿趋势分析了解关键词分布情况;针对高产作者发文量进行统计,使用作者合作网络图分析作者分布情况。
基于中国知网检索到的1 001篇文献,1992年~2019年各年度年发文量如图2所示。国内医疗卫生领域人工智能的研究开始于1992年,根据发文量和增长速度大致可分为3个阶段。
图2 1992年~2019年医疗卫生领域人工智能各年度发文量
2.1.1 医疗卫生领域人工智能研究的“起步阶段”
1992年~1999年为国内医疗卫生领域人工智能研究的起步阶段,受限于当时的科学技术水平,每年的研究文献发布数量均低于20篇,并且上升速度缓慢。对该阶段的研究文献进行可视化分析,按照关键词出现的频次来看,“人工智能”和“问题解答”出现的次数相对较多,分别为11次和9次,其中心度分别为0.11和0.07。另外,“学习”、“记忆”、“机器人”、“婚前医学检查”和“药物分析”等关键词出现频次也相对较高,反映了该时间段的研究热点。这一阶段的研究,中国知网上所能检索到的文献多为针对某一特定问题的解答,尚未出现对人工智能理论的广泛应用。作为国内较早的研究医疗领域人工智能应用的文献,仅仅是对人工智能在该领域应用的展望,而未产生具体的研究成果。对该时间段的所有文献进行关键词共现分析,由该阶段文献的关键词热点知识图谱可看出,该时段的医疗卫生领域人工智能方面的研究尚不构成体系,仅仅是零星分布于药物分析、婚前医学检查等个别领域[4],更多的文献则是聚焦于提出某个问题并进行解答。在起步阶段,医疗卫生领域的人工智能发展缓慢且文献发表数量有起伏,表明该阶段人工智能在医疗卫生领域的研究与应用并未形成系统。有学者[5]在该阶段提出人工智能在药物分析开发中的应用以及中医信息处理系统等均在后来得到了进一步的发展与广泛应用。
2.1.2 医疗卫生领域人工智能研究的“发展阶段”
1999年~2017年间,国内医疗领域在人工智能发展的研究进入发展阶段,该阶段国内相关文献数量开始上升,但是增幅不大。2005年以后,每年的平均文献数量维持在30篇以上。对该阶段的研究文献进行可视化分析,按照关键词出现的频次来看,“机器人”、“人工智能”、“记忆”和“学习”出现的次数相对较多,分别为25次、18次、20次和16次,其中心度分别为0.32、0.28、0.25和0.29。这一阶段的研究主要集中于人工智能在医学各个领域的应用,包括在神经医学、骨科、脑科等方面的应用。根据知识图谱的显示,关键词明显的分成了两部分,分别为以“机器人”与“人工智能”为核心的关键词共现知识图谱和以“记忆”与“学习”为核心的关键词共现知识图谱,表明这个阶段国内人工智能在医疗卫生领域的研究并没有系统化。同时,机器人开始应用到手术操作之中,弥补了人工手术的不足[6]。另外,人工智能在影像辅助诊断、药物开发等领域的研究均有了长足的发展[7-8]。
2.1.3 医疗卫生领域人工智能研究的“成长阶段”
2018年至今,短短2年时间,人工智能在医疗卫生领域得到了全面而深化的发展,从该阶段发表的文献数量来看,篇数得到了大幅度提升,研究成果颇丰。对该阶段的研究文献进行可视化分析,按照关键词出现的频次来看,“人工智能”、“大数据”和“机器人”出现的次数相对较多,分别为67次、28次和14次,其中心度分别为0.22、0.18和0.15。另外,“深度学习”、“机器学习”、“腹腔镜”等关键词大量出现,反应了近年来我国在该领域的研究热点。从文献的内容来看,人工智能的应用覆盖了医疗卫生的绝大部分领域,特别是在神经网络、计算机辅助诊断、核共振成像、智慧医疗等领域有了进一步的研究[9]。医疗卫生领域人工智能的关键词共现分析联系紧密,表明该阶段人工智能在医疗卫生领域的研究与应用日趋系统化。
2.2.1 作者发文数量统计
利用知识图谱对国内医疗卫生领域人工智能研究的相关专家学者进行分析,数据分析时间截止到2019年12月9日,相关专家学者文章发表情况如下:田增民(4篇)、王田苗(4篇)、申海艳(3篇)、王任直(3篇)、伍沛(3篇)、邓露(3篇)、孔珊珊(3篇)。国内医疗卫生领域人工智能研究发文排名前2位的是田增民和王田苗。田增民[10]主要关注机器人在手术中的应用,尤其是机器人辅助定位脑手术,其领导研究的“无框架脑立体定向机器人技术”,取代了传统的立体定向仪框架,能够快速定位病变位置,利用生物传感器对病灶进行全方位分析,然后通过机器人手臂对病变区进行治疗,修复异常放电,从而达到治疗脑病的效果。王田苗[11]主要从事嵌入式智能感知与控制以及在医疗外科机器人方面的研究,主要应用于骨科手术。
2.2.2 作者合作网络图
研究作者的合作情况见图3。其中,王田苗、田增民、王剑飞、王满宜、周力等经常作为一个团队或者两两合作出现(图3A)[12];李丽霞、肖苍松、杨明、赵悦、周琪经常两两合作(图3B)[13];马大卉、张国明、张福燕、吴桢权、陈懿等经常作为一个团队或者两两合作(图3C)[14]。
2.3.1 关键词共现分析
按照上述方法对得到的文献进行可视化分析,国内医疗卫生领域人工智能相关文献关键词根据出现频次排序依次为人工智能、机器人、大数据、深度学习、机器学习、腹腔镜、诊断、AI、中医、骨折固定术、计算机辅助,这反映了该领域近5年研究的相关热点。按照关键词中心度来看,排名前3位的分别是机器人(0.36)、人工智能(0.24)、诊断(0.24),说明这3个节点在该领域中的重要程度比较高,见表1。
2.3.2 关键词共现网络聚类分析
医疗卫生领域人工智能研究关键词共聚为4类,见表2。聚类标签存在不同层面、不同视角的划分。本文将频繁出现的关键词分为以下几个方面:①在计算机辅助诊断方面:人工智能通过辅助诊断,将收集到的数据变为知识,按照一定的步骤对该知识进行处理,大致分为5个步骤:数据集中、数据加工、知识图谱、知识计算、交互设计。具体来说包括如下方面。①人工智能在辅助诊断方面的应用:将患者的病史、症状、检验结果和用药史作为原始数据,进行计算分析,整合现存的医学知识和临床治疗经验,对各种疾病建立医疗图谱,建立相应的治疗方案。在此基础上,通过阅读患者的病历或者现有的症状,结合医疗图谱和治疗方案,为医生提供治疗建议[15]。②在机器学习和深度学习方面:人工智能通过深度学习和对自然语言的处理来分析大量医学和生物科技的文献、基因组数据等海量信息。利用深度学习算法找出其中的关联,提出可供选择的药物,并对治疗特定疾病的分子结构进行分析与记录。人工智能的进一步应用,能够极大地缩短新药研发周期,降低研发成本[16]。③在机器人应用方面:机器人开始应用于手术操作之中,弥补了人工手术的不足,手术的精确度和成功率极大提高[17]。由手术台和远程控制终端组成的达芬奇机器人的灵敏度远超人类,可以轻松地进行各种复杂的微创手术。同时,医生可以通过终端的三维影像对整个手术过程进行监控,极大地提高了手术的成功率。除此之外,人工智能机器人还有眼科机器人、骨骼机器人、植发机器人等等。
表1 国内医疗卫生领域人工智能研究高频关键词
表2 医疗卫生领域人工智能研究关键词聚类分布情况
图3 研究作者合作网络
2.3.3 关键词前沿趋势分析
利用Citespace对该阶段的研究文献进行可视化分析,按照关键词聚类知识图谱可以看出,近5年即2015年~2019年以来,按照时间顺序,关键词分为3个聚类集团,从研究成果的发展趋势来看,国内医疗卫生领域人工智能方面的相关研究呈现从“机器人、腹腔镜箭”到“人工智能、大数据”再到“机器学习、深度学习、健康管理、计算机辅助、药物研发”的演进发展态势。
自2017年之后,医疗卫生领域人工智能发文量呈现迅猛增长之势,主要原因有二:一是2016年中共中央、国务院提出《“健康中国2030”规划纲要》指出,2020年,建立覆盖城乡的中国特色基本医疗卫生制度,2030年健康制度体系更加完善,2050年建成与社会主义现代化国家相适应的国家,极大地推动医疗卫生领域的技术发展,推动了人工智能在医疗卫生领域的深层次应用。二是随着技术的发展与改进,人工智能应用理论与实践均达到一定高度,医疗卫生与人工智能融合更加密切,研究成果更加丰硕。可以由此趋势看出,未来医疗卫生同人工智能融合将会进一步促进医疗卫生事业的进步。
田增民、王田苗、申海艳、王任直、伍沛、邓露、孔珊珊等在医疗卫生领域人工智能方面研究发文量相对较多。由田增民、王田苗主导的“合作团队1”研究成果颇丰,田增民作为神经外科专家,将人工智能技术应用到临床治疗中,极大地提高了治愈率;王田苗作为机器人领域的专家,其研究发明成果被应用到不同领域;两者的多次合作可以看出人工智能与医疗卫生将在未来进一步融合的趋势。“合作团队2”倾向于两两合作,涉及动物研究、中医、心血管外科等领域的专家学者,发文作者有不同的学历、专业与工作背景,但是他们之间却存在较高的合作度,揭示了医疗卫生领域人工智能研究领域广,需要广泛的合作与交流。“合作团队3”为不同地区的从事眼科领域的专家医生,眼科作为对精确度要求极高的领域,人工智能的融入能够大大提高精确度[14]。
“人工智能、大数据、机器人、深度学习”在医疗卫生领域人工智能文献中出现的频次和中心度极高,表明医疗卫生领域人工智能的研究中,相关方面为研究热点和研究重点,受关注程度比较高,研究成果比较多,未来相关领域还将持续受到关注。“中医”在医疗卫生领域人工智能文献中出现的频次和中心度相对较低,表明中医领域与人工智能的研究成果数量较少,两者融合程度相对较低,尚有较大的研究空间有待开发。将人工智能与我国传统中医结合,可以进一步促进中医的发展,因此可以作为接下来研究的重点方向。
机器人在临床手术中的应用、缩短药物挖掘周期、降低新药开发成本、计算机辅助诊断、人工智能成像等方面已经得到应用并取得一定的成效,部分研究成果已经应用到实际工作中[18-21]。由医疗卫生领域人工智能研究关键词聚类知识图谱可以看出,从“机器人、腹腔镜箭 ”到“人工智能、大数据”再到“机器学习、深度学习、健康管理、计算机辅助、药物研发”,人工智能在医疗卫生领域应用正在一步步深化。未来,人工智能在医疗卫生领域的以上方面还将会进一步发展。
目前,学术界对医疗卫生领域人工智能的研究与论证相对丰富,这为后续进一步研究夯实了基础。然而也存在一定的局限性,表现在以下方面:①人工智能在医疗卫生领域具体使用过程中存在管理不明确的问题。作为一个相对较新的领域,人工智能在医疗卫生领域的分类尚不明确,导致现有的医疗机构行政处室对人工智能的研发管理分工不明确,不能进行统筹管理,相关制度不健全,容易造成管理的漏洞,不利于人工智能在医疗卫生领域的进一步发展[22]。②在智慧医疗方面,我国医疗卫生信息系统缺乏一致性、完整性的数据,信息安全问题得不到很好的保障,卫生信息资源没有得到充分的共享,未能发挥最大的作用,存在资源浪费现象[23]。③人工智能在医疗卫生领域的研发数据得不到保障。目前,人工智能在医疗卫生领域的发展需要大量高质量的数据作为支撑,但存在个别企业为了降低研发成本,缩短研发进程,通过没有保障甚至是非法途径获取标注数据,数据质量参差不齐,这会极大地影响人工智能应用的准确度[24]。④研究成果转化为实际应用的能力有待提升。目前人工智能在医疗卫生领域的发展多靠资本和技术推动,掌握资本和技术的研发公司会跟掌握大量数据的医院进行合作研发,在这种合作模式下,算法模型掌握在企业手里,尽管医院参与了研发过程,但起到的作用仅仅是提供数据支持,本身研发创新能力得不到提高,过度依赖企业[25]。⑤医疗卫生领域人工智能缺乏复合型人才。医疗卫生领域人工智能的应用涉及多个学科深度融合,目前的情况是懂人工智能的人不懂医学,懂医学的不懂得人工智能,高端复合型人才短缺。由于我国相关领域的教学科研起步较晚,人才短缺问题短时间得不到解决[26]。⑥医疗卫生领域人工智能的市场监管和评估标准存在缺失。医疗卫生领域人工智能监管体系尚不健全,难以对潜在的问题进行监督与反馈,同时缺少具体的评估标准、市场准入、退出机制和收费机制[27]。
根据上述分析,本文提出以下几点展望:①在未来,人工智能与医疗卫生将会进一步融合,重点将在新药研发、基因测序、可穿戴医疗设备、远程医疗、健康管理等方面,由此可见,人工智能在医疗卫生领域的应用将会深刻改变目前的医疗现状,甚至是改变人们的生活[28]。②医疗业务应用与基础网络平台进一步融合,进一步推进医疗信息化发展,这其中包括完善奖惩机制,鼓励社会力量参与医疗信息化建设,制定统一评估标准,集中资金解决信息化技术问题,同时,还要建立相关法律法规,保障信息安全[23]。③智慧医疗方面将是我国下一步医疗事业发展的重点,国务院印发了《进一步改善医疗服务行动计划(2018-2020年)》,为医疗事业下一步发展指明了方向。医疗服务将逐步满足复杂的个人需求,卫生信息共享范围不断扩大。智慧医疗的发展,将会推动医疗模式从“以疾病为中心”到“以病人为中心”转变[29]。④建立健全医疗卫生领域相关的监管体制和评估标准,国家卫生健康委员会和国家药监局正在积极探索应对潜在问题,积极探索人工智能在医疗卫生领域的审评审批和综合评估,以期尽快建立相应的评估评价标准[30]。⑤在相关复合人才培养方面,应加强与技术相对发达的国家进行沟通学习,适当引进人才。同时,应尽快建立产、学、研合作机制,以推动相关复合型人才发展。