人工智能在老年照护中的研究热点与发展趋势

张山，崔薇，吴瑛

(首都医科大学护理学院 成人护理学学系，北京 100069)

面对日益严重的老龄化现象，世界各国采用各种手段来减缓老龄化带来的不良结局[1]。人工智能(artificial intelligence，AI)是一种能使计算机系统或计算机控制的机器人进行“学习、推理、感知、交流，并做出类似于或优于人类决策”的技术[2]。AI已经融入到我们的日常生活中，如手机的使用、智能电视、可穿戴设备等技术。本文采用可视化图谱方式[3]，描述AI在老年照护中的关注热点和发展趋势，为学者进一步选题和开发AI提供思路和参考。

1 资料与方法

1.1 文献检索策略 检索Web of Science核心合集数据库，检索词为“artificial intelligence/machine learning /deep learning”AND “elderly/elderly patients/elder*”OR“aged/old people/older adults”OR“geriatrics/senile/seniors”。检索时间为建库至2022年4月，文献类型为article和review。

1.2 研究方法 采用CiteSpace 6.1.R1软件绘制科学图谱的方法对AI在老年照护中的文献进行分析[4]，包括每年发文量、国家、关键词及关键词聚类和突现分析。(1)采用CiteSpace 6.1.R1软件，进行相关参数设置，时间范围为1992年1月至2022年4月，时间分区为1年，网络连接强度为Cosine。(2)发文量分析：阈值为TOP 50，采用Excel软件统计该领域的每年发文量。(3)发文国家：节点类型选择country，阈值为TOP 50。(4)高频关键词分析：节点类型选择keyword，阈值为TOP 30，关键词初步分析数据后，采用最小生成树法和修剪切片网络对图谱进行修剪，并将意义相同的关键词进行合并。(5)关键词聚类分析：应用CiteSpace 6.1.R1软件把相似的关键词聚成一类，应用模块聚类，采用Log-Likelihood Ratio算法对关键词进行聚类分析。选择Show The Largest K Connected Components Only得出聚类模块值Q值以及聚类平均轮廓值S值的聚类图谱，一般认为Q值>0.3说明聚类结构显著，S值>0.5说明聚类合理。聚类编号由“#”和数字组成，编号越小表明该聚类下包含的内容越多。(6)关键词突现分析：突发检测的灵敏度为2.0，伽马值γ为1.0，最小持续时间设置为1。

2 结果

2.1 文献发表年限分布 初检13 787篇文章，排除593篇与主题不符或重复文献，最终纳入13 194篇，发文量呈逐年上升趋势(图1)。

图1 人工智能在老年照护中研究的每年发文量

2.2 发文国家 发文国家共现情况显示节点为146，表示共有146个国家/地区发表了AI在老年照护中研究；节点越大，表示该国家发表文章数量越多。发文最多国家为美国(4439篇，33.64%)，其次是中国(2717篇，20.59%)、英国(1310篇，9.93%)、德国(952篇，6.83%)、加拿大(803篇，6.09%)、日本(516篇，3.91%)等。

2.3 关键词

2.3.1 高频关键词 共有211个节点，516条连线，网络密度为0.0233。“机器学习(machine learning)”出现频次最高，为2828次，出现频率排位前20的关键词见表1。

表1 排名前20的人工智能在老年照护中研究的关键词

2.3.2 关键词聚类分析 关键词聚类分析凸显了该研究领域的研究热点，本研究聚类模块值Q值为0.5071，聚类平均轮廓值S值为0.7517，说明该图谱聚类合理，能代表该研究领域的研究热点。聚类结果为#0 risk factors(危险因素)、#1 machine learning(机器学习)、#2 functional connectivity(功能连接)、#3 alzheimers disease(阿尔兹海默症)、#4 fall detection(跌倒检测)、#5 care(照护)、#6 deep learning(深度学习)、#7 DNA methylation(DNA甲基化)、#8 data models(数据模型)。

2.3.3 关键词突现 AI在老年照护领域中近年英文突现词为特征抽取、计算机断层扫描、预防、预测模型，预测该领域的发展趋势和研究前沿，见图2。

3 讨论

在科技迅猛发展的时代，老年照护正在探索应用AI技术为有需要的老年人提供个性化照护。例如，通过基于智能技术的物联网收集老年人的重要健康信息，AI对信息进行评估并做出决策，最后执行相应的照护任务。AI的发展与进步可以帮助老年人检查其身体健康状况，为其提供陪伴等[5]。因此，本文分析AI在老年照护领域的研究，以明确目前该领域的研究现状与发展趋势。

3.1 人工智能在老年照护中的研究现状与趋势 目前，AI在老年照护中的研究迅速增加，尤其是到2016年之后，发文量呈直线上升趋势。可能是由于随着全球老龄化人口的迅速增加，以及电子信息技术和软件编程技术的快速发展与进步。发文量排名较前的国家一般为科技水平发达或者人口老龄化严重的国家，且各国间的合作较为密切。可能是由于各国人口老龄化日益严重，经济体制转型和社会转型对老年人智能养老服务的需求日益强烈，在养老资源短缺的现状下，各国对于如何提供智能的养老照护服务都产生了共鸣。通过分析智能养老照护的现状和发展趋势，并借鉴他国的经验，为智能养老照护的发展提供了对策和建议。

图2 人工智能在老年照护领域中英文突现词

基于英文突现词来预测未来AI在老年照护领域中研究趋势和研究前沿，包括特征抽取、计算机断层扫描、预防和预测模型。计算机断层扫描在临床工作中可用于多种疾病的检查，可以利用精确的X线、γ射线等对身体的某一部位进行断面扫描，收集较多的数据信息[6]，可以作为未来研究信息收集的重要途径。但是，由于收集的信息数量较多且复杂，因此，未来研究可以利用主要成分数据分析、线性鉴别分析等方法对数据进行特征抽取，进而达到分类的目的。采用特征抽取方法提取出分类能力强、具有高稳定性完成预定工作的特征是建基于AI的老年照护系统的关键，也是当前的研究热点及前沿[7]。例如，Handa等[7]以304张弥漫性肺部疾病患者的高分辨率CT 扫描图像为训练集，采用特征抽取的方法开发了基于AI的CT定量图像分析系统。该系统能够自动分类和量化胸部CT成像中的10种类型的实质病变和气道容积，为准确评估特发性肺纤维化提供了信息。此外，未来研究还可进一步利用AI技术对于老年人常见疾病构建预测模型，以利于临床护理工作人员早期识别各类疾病的高危人群，进而早期采取疾病的预防护理措施，减少疾病带来的不良临床结局[8]。

3.2 老年照护的人工智能技术研究 本研究高频关键词中包括机器学习、卷积神经网络、深度学习、神经网络。基于关键词聚类分析发现，AI在老年照护中的研究热点主要集中在#1 machine learning(机器学习)、#6 deep learning(深度学习)、#8 data models(数据模型)。机器学习是AI的核心，主要是设计算法使计算机可以自动学习。深度学习则属于机器学习的子类，模拟人类大脑进行数据分析和解释。老年照护的AI技术研究有赖于机器学习等手段来构建与分析[9]。老年照护过程中会产生大量的潜在有用的信息和知识，采用AI技术挖掘出大量历史数据之间的关联、规则；基于收集到的信息建立模型(模型训练)，然后再用剩余数据验证模型(模型测试)。建模是一个反复迭代的过程，通过反复训练和验证得到最优的参数，确保获得较好的准确率。例如，Liu等[10]综述了近十年基于AI技术对阿尔茨海默病早期阶段诊断的方法，主要是使用各种特征提取和机器学习技术，实现了疾病早期诊断、预防和处理。

3.3 老年照护的人工智能应用研究

3.3.1 疾病预测模型的构建 随着年龄增加，老年人的运动、感官、认知功能下降，患有慢性病数量有所增加，进而导致预后差、易出现多器官功能障碍等[11]。因此，越来越多的学者充分利用AI应用于老年人群中各类疾病的预测、危险因素识别、疾病评估及诊断。本研究高频关键词中包括疾病、危险因素、患病率、诊断、处理；关键词聚类包括#0 risk factors(危险因素)、#3 alzheimers disease(阿尔兹海默症)、#4 fall detection(跌倒检测)。老年照护的AI应用研究主要有早期识别各类疾病的危险因素和高危人群，有利于减缓老龄化带来的疾病负担、个人负担、家庭负担和社会负担。例如，基于可解释AI的阿尔茨海默病多层多模态检测与预测模型[12]、利用健康筛查数据建立老年人自杀预测模型[13]等。Wu等[14]基于深度学习模型构建了辅助老年人实现远程医疗服务的决策模块，通过深度神经网络和分类器得到老年人慢性疾病的预测概率。

3.3.2 老年人日常生活的照护 此外，还有诸多学者应用AI来辅助老年人的日常照护，如辅助康复、娱乐陪伴、日常生活帮助、慢病管理等。本研究关键词聚类包括#5 care(照护)。Abdi等[15]采用范围综述的方法探讨了社会辅助机器人在老年人照护中的使用情况，纳入61篇文献，总结了5种作用：情感治疗、认知训练、社会促进、陪伴和生理治疗。AI聊天机器人在日常生活中可以无障碍地与老年人交流，提醒认知功能障碍的老年人吃药、定期体检、督促锻炼、改善老年人的生活方式，并且能够帮助预测并预防高血压或心率不齐；还能陪伴老人助于消除老人的孤独感，提升老年人关怀。Petersen等[16]应用机器人宠物陪伴老年痴呆患者，发现老年人的压力和焦虑水平有所下降，而且使用精神活性药物和疼痛药物的剂量也减少。Chen等[17]基于康复学、运动学和力学等知识，应用AI研发出能够辅助老年人进行上肢主动、辅助和被动三种康复模式的机器人，物理治疗师和6名参与者均表示该机器人在辅助康复过程中发挥积极作用。

4 展望

AI在老年照护中的应用越来越多，许多数据可以从老年人的医疗记录或可穿戴设备中获取，通过详细分析获得的大量数据，不仅可以为老年人的生活方式提供建议，还能根据个人的需求和习惯生成旨在改善生活质量的照护方案。未来还需应用AI技术开发用户友好的实用程序，在老年人群中进行可用性和有效性的验证。