人工智能在医疗保健中的文献计量学分析

电信和信息学报告9（2023）100041医疗保健中的人工智能：文献计量学分析Bahiru Legesse JimmaHaramaya University College of Health Medical Science，Harar，EthiopiaaRT i cL e i nf o保留字：人工智能（AI）医疗保健医学文献计量分析机器学习神经网络a b sTR a cT人工智能技术在医疗保健中的应用改善了疾病预测、分类和诊断，使患者和医疗保健提供者都受益。人工智能的普及率激增，这主要是由于计算能力的巨大增长和数据生成的更大增长。这项研究方法：Scopus数据集已被用于查找和检索所有现有的和引用的以英语发表的医疗保健相关的人工智能研究。基于文献计量学指标，分析了出版物增长率、学科领域、最活跃的国家、机构、期刊和资助者。结果：检索识别出非重复的5，019篇论文。在2000年至2009年期间，出版物较少，但随后几年有所增加。此外，2012年以后发表的研究占总出版物的88.88%。总体而言，96.85%的纳入研究已在9个国家发表。 约41.84%的研究来自美国。出现最多的技术关键词是“机器学习”，“电子健康记录”和“自然语言处理”。此外，新型冠状病毒、糖尿病、精神健康、哮喘、痴呆症及癌症是医疗保健相关人工智能研究中经常出现的疾病相关关键词。结论：该研究对医疗保健相关的人工智能研究进行了全面的文献计量学研究，这将有助于研究人员，立法者和从业者了解该领域介绍人工智能（AI）是计算机科学的一个子领域，致力于创建智能计算机系统。这个智能系统是一个可以与人类行为智能相媲美的系统使用AI，可以开发具有类似人类推理能力的系统。它的应用包括机器人、专家系统、自动翻译程序、语音识别、自然语言语句生成、音频分析器、模拟器和问题解决定理[1]。虽然人工智能的重要性是不可否认的，但这个术语本身并没有被广泛接受的定义这个短语广泛地指的是模拟人类认知能力相关过程的计算方法，例如思考，获取知识和适应，理解的感官能力和参与。人工智能技术在过去十年中对人类生活产生了巨大的影响，并在工程、通信、制造和医疗保健等各个领域得到了应用[2，3]。人工智能主要是由计算能力的大规模增长和数据生成的更大增长所驱动的通过结合允许深度神经网络训练的改进算法，许多高科技COM-智能机器人已经能够执行接近甚至超过人类性能的任务：下棋、图像处理、语音识别和自动驾驶车辆都是这些例子。由于人工智能，医疗保健行业预计将成为下一个发生根本性变化的行业[4基于人工智能的医疗保健系统改善了疾病预测、诊断和治疗，使患者和医疗保健提供者都受益[8]。在医疗保健中应用人工智能可以从四个方面使医生、患者和医疗保健提供者受益：通过估计治疗成功的机会并在治疗开始前分析疾病发作;ii.通过预防或管理并发症; iii.在诊断和/或治疗期间积极支持患者护理，以及iv.通过确定疾病的病理学，以及最好的治疗方法[9]。提高诊断和治疗准确性的承诺是AI在医疗保健领域最令人兴奋的应用之一。它可以帮助医疗保健提供者比大多数医疗保健专家更快地诊断症状[10]。通过在短时间内水平和垂直评估患者人工智能还可以帮助患者了解复杂的症状，提高他们的生活质量，并鼓励坚持治疗[12]。电子邮件地址：balegesse@gmail.comhttps://doi.org/10.1016/j.teler.2023.100041接收日期：2022年6月7日;接收日期：2022年7月13日;接受日期：2023年1月7日2772-5030/© 2023作者。由Elsevier B. V.发布。这是一个CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）可在ScienceDirect上获得目录列表电信和信息学报告期刊主页：www.elsevier.com/locate/telerB.L. 吉马电信和信息学报告9（2023）1000412例如，一项随机临床试验研究发现，AI系统使接受抗凝治疗的中风患者的药物依从性提高了50%[13]。随着人工智能在医疗保健服务中的应用越来越广泛，相关研究的处理速度也越来越快。现有的文献正在激增。因此，与医疗保健相关的人工智能研究在当前的出版物中稳步增长尽管人们对医疗保健相关的人工智能研究越来越感兴趣，但只有少数文献计量分析关注人工智能在特定类型的医疗问题中的应用，例如抑郁症[14]，COVID-19大流行[15]。分析与医疗保健相关的人工智能研究的文献计量学可以产生一个大纲，可以让研究人员更好地了解人工智能研究在医疗保健领域的扩展以及未来趋势和变化的方向。跟上医疗保健领域迅速扩大的人工智能研究，有助于从业者和政策制定者抓住机会，使用人工智能干预措施来促进患者和护理人员的福祉。文献计量学是一种可量化的信息技术，用于分析特定领域知识结构的新兴趋势，以获得可衡量的，准确的和详细的信息[12]。文献计量分析使研究人员和其他利益相关者能够全面了解主题，同时也增强了多学科方法[17]。该研究使用文献计量数据来确定人工智能在医疗保健应用中的研究模式。它是研究人员的宝贵资源，渴望了解该领域并进行研究。此外，对于那些对智能系统如何应用于医疗保健服务感到好奇但不熟悉该领域的人来说，这是一个很好的来源。该研究旨在对2000年至2021年与医疗保健相关的人工智能研究出版物进行文献计量分析。并回答以下问题：1 这些研究如何按年份分布？2 研究的数量和期刊的引用排名是多少？3 哪些国家和机构正在领导和促进与健康相关的人工智能研究的发展？4 研究按学科领域和资助者的分布情况如何？5 作者关键词出现的频率是多少文献综述在过去的几十年里，人工智能已经发展并引入到医学的各个领域，从初级保健到罕见疾病，从急诊医学到生物医学研究，再到与公共卫生管理相关的各个方面。据福布斯报道，人工智能最重要的领域将是机器人手术、虚拟护理助理、辅助临床判断和诊断、图像分析、工作流程和管理任务[18]。人工智能辅助机器人手术自1985年以来，人工智能辅助机器人手术一直可用[19]。包括心脏外科、胸外科、胃肠道外科、妇科、骨科、脊柱外科、移植外科、泌尿外科和普外科[20传统上，外科医生仅限于对肉眼可见的内容进行手术，一般而言，观察患者内部的唯一方法是通过开放手术进行手术由人工智能驱动的机器人手术允许外科医生通过小切口插入相机和工具其目标是减少术后并发症，加快患者康复时间。通过人工智能辅助的机器人手术，还可以捕获所有数据和细节，例如手术的视频记录，正在进行的手术的所有运动以及切割和缝合动作，并使用这些收集的数据进行进一步分析，以改进和精简手术过程[24]。在检查机器人手术技术的临床有效性时，2011年在加拿大发表的95项研究的系统综述研究发现，人工智能辅助机器人手术在子宫切除术、子宫切除术、肾切除术和心脏手术中具有许多临床优势，包括住院时间更短、失血量和输血率更低以及并发症更少[25]。一些人工智能辅助的机器人手术程序减少了手术时间，如腹腔镜子宫切除术，而另一些则增加了手术时间，如开放式子宫切除术和开放式子宫切除术。在同一篇综述中还评价了直肠癌切除术、心脏手术、肾切除术和子宫切除术成本分析显示，与腹腔镜和开放手术相比，机器人根治性直肠癌切除术后缩短住院时间导致住院费用降低。[24]第10段。2017年进行了一项系统性综述，以评估在妇科肿瘤中使用人工智能辅助机器人手术时的患者受益、成本和外科医生状况使用人工智能辅助机器人手术作为宫颈癌，子宫内膜癌和卵巢癌治疗的一部分进行了研究，共查阅了76篇参考文献。结果表明，肿瘤手术的安全性与早期的手术技术相当，然而，由于与应用、购买和维护设备相关的高成本，AI辅助机器人手术也将增加整体成本[26]。虚拟护理助理现代数字化使医疗保健组织和医疗保健流程中的参与者能够使用已经在其他领域广泛使用的虚拟助手。使用虚拟护士助理，医院可以减少突然的医院访问，减少医疗保健专业人员的工作量。这些应用程序可以收听、交谈并提供广告/推荐。Your.MD是符合欧洲医疗器械指令的虚拟健康助理使用人工智能（AI）和机器学习，根据英国国民健康服务（NHS）的数据提供个性化的初级保健。患者在获得初级保健之前将获得初级保健。使用Your.MD，患者可以在家中使用移动应用程序或网站进行自我诊断。哈佛大学和皇家全科医师学院已经验证了Your.MD基准测试对20种最常见的医疗状况的准确率为85%。辅助临床判断或诊断人工智能算法受到最多关注的诊断学科是病理学和放射学，但它们也被用于支持其他各种领域的诊断程序，如皮肤病学，眼科学，胃肠道和心脏病学。心脏病学家和医学未来学家Eric Topol最近进行的评估描述了其中的一些用途[28]。这些技术中的大多数仅用于研究背景;它们尚未在标准临床实践中实施。美国食品和药物管理局最近批准了一些用于治疗环境的应用程序[29]。其中包括用于检测糖尿病视网膜病变的除了这些众所周知的例子，一些辅助设置，一个良好的临床护理已经采用人工智能算法。为了以数字方式分析琼脂平板上的细菌生长，例如，几个微生物学实验室已经集成了AI驱动的图片识别软件[30]。同样，血液学实验室越来越多地使用数字图像识别软件，该软件利用神经网络来自动化以前由实验室技术人员手动进行的活动，例如血细胞鉴别和形态分析[31]。图像分析目前正在进行大量关于将人工智能（AI）应用于诊断医学成像的研究人工智能承诺改善基于组织的检测B.L. 吉马电信和信息学报告9（2023）1000413并已证明在识别成像异常方面具有出色的准确性和灵敏度[32]。目前，许多AI成像研究计算灵敏度和特异性以确定诊断准确性，而其他研究则评估临床显著结果[33，34]。人类难以识别的成像模式改变可以被AI识别。例如，采用机器学习来分析大脑MRI数据可能比人类读者在症状发作后的受限时间窗口内检测指示早期缺血性中风的组织变化更敏感[35，36]。尽管通过机器学习可以实现早期诊断， 目前还不清楚AI检测到的非常细微的变化是否与总体神经学结果相关。实例包括由AI检测到的小的进展中的梗塞或非缺血性过程。需要确定提示早期缺血的AI定义的脑变化是否与不同的神经功能障碍或溶栓获益相关。此外，可能会出现困难的情况，在常规成像未检测到明确异常的情况下，可能会建议治疗[36]。工作流程和管理任务医疗保健系统的特征在于涉及多个参与者和组织的繁重的管理根据一份在初级保健环境中完成的报告，在这种高度行政化的环境中，有几个可能的关注领域。这包括花费时间寻求财务补偿，将信息输入众多孤立的基于实践的信息系统，处理来自医院和其他外部来源的数据，以及通过脱节的医疗保健系统指导患者。根据这项研究人工智能可以更有效、准确和公正地执行这些例行任务。支持在管理实践中使用人工智能的一个论点是，这些活动中的错误不如临床环境中的错误严重。然而，黑客的威胁，缺乏隐私和缺乏安全性仍然存在[38，39]。AI应用程序在组织患者流程方面非常有用例如，缺乏床位是手术取消的主要原因[40]，但这是患者流程中的一个不可避免的管理错误。这个问题经常发生，并与临床病房的出院延迟有关[41]。方法使用Scopus数据集进行检索。因为它涵盖了各种研究领域。由于下载全文数据的局限性大于2000篇论文，作者采用了分年下载的方法入选标准作者使用与人工智能技术和表1医疗保健相关的检索词对同行评审期刊文章进行了结构化检索。排除标准灰色文献、会议记录和书籍/书籍章节被排除在研究之外。以英文以外的语言发表的文章也未纳入。文献计量指标对检索到的文献进行分析，得到以下文献计量学指标：出版物增长率、主题领域，以及最活跃的国家，机构，期刊和资助者。Scopus检查检索到的文件中的国家和机构名称，并计算具有特定国家或机构名称的文件数量。作为因此，排名前九位的活跃国家是根据作者姓名中的国名确定的，而不考虑作者在该国的作用。每个国家可视化使用VOSviewer软件（版本1.6.17）对作者关键词进行分析和可视化。使用“链接属性”和“总链接强度[42]第42段。结果出版物增长率图1说明了出版物的年度频率分布。2000年至2021年，医疗相关人工智能研究的科学论文平均增长率为37. 88%。2020年排名第一，有926条已发布记录（18. 45%），其次是2021年有850条（16. 94%），2019年有718条（14. 31%）。各国出版物表2描述了96.85%（4861/5019）的纳入文献发表于9个国家。美国占纳入研究的41.84%（2100/5019）。中国位居第二（738/5019，14.70%），其次是英国（634/5019，12.63%）。据观察，名单上的大多数国家都是经济高度发达的国家。出版物来源表3列出了发表AI在医疗保健领域文章的前9名期刊。Journal Of TheAmericanMedicalInformaticsAssociation 发 表 论 文 最 多（ 1099/5019 ， 21.89% ） ， 其 次 是 IEEE Access （ 652/5019 ，12.99%）、Journal Of Biomedical Informatics（628/5019，12.51%）和Journal Of Medical Internet Research（512/5019，10.20%）。文件引用表4显示了医疗保健中人工智能领域引用最多的10篇文献的列表，包括作者、来源、各自的引用次数和每年的引用次数。已从Scopus数据集搜索窗口访问数据，以获取所需的详细信息。前十名中有六篇文章“梅奥临床文本分析和知识E X牵引系统（CTAKES）：《架构、组件评估和应用》的总引用分数为1121，每年引用93.4次。紧随其后的是出版物根据每年 引用 （CPY ）， 前2 篇论 文是 最近的 ，Li ，S.， Wang， et.al（2020），372，和Chen，M.，Hao等人（2017）101.6。B.L. 吉马电信和信息学报告9（2023）1000414表1搜索查询术语。构建体搜索关键词AI相关术语（健康相关术语（health）或（文档类型文章语言英语期间2000–2021表2. 按前9名国家分列的出版物分布情况秩国家输出（N=5019）月1美国2100人（41.84%）第2中国738人（14.70%）第3联合王国634人（12.63%）月4加拿大286人（5.69%）月5韩国273人（5.44%）月6澳大利亚267人（5.32%）月7西班牙223人（4.44%）月8荷兰172人（3.43%）月9德国168人（3.35%）主题领域出版物Scopus主题类别用于指定纳入文章的研究目的，如表5所示。结果表明，医学领域对医疗保健相关的人工智能研究贡献最大，为2226篇（44.35%），其次是计算机科学领域，为947篇（18.87%）然而，一些表3按前9名期刊分列的出版物Fig. 1. 出版物按年计算。文章由工程、材料科学和其它提到的领域发表出版物a出版物与企业、政府、医疗和其他机构建立了联系。为了确定这种差异，本研究对文献进行了基于Scopus数据库中记录的学术出版物数量。最具生产力的9大机构来自美国。图2显示，哈佛医学院被认为是最具生产力的学术机构，其大多数出版物（328篇出版物）位于列表的顶部，其次是布里格姆妇女分别资金赞助商该研究确定了资助医疗保健相关人工智能研究发展的最具成效和最着名的期刊输出（N=5019）引文（N=114，194）美国医学通报杂志。协会1099人（21.89%）41 806人（36.61%）IEEE Access652人（12.99%）12 856人（11.26%）生物医学信息学628人（12.51%）16 709人（14.63%）医学互联网研究512人（10.20%）10 620人（9.29%）医学信息学与决策510人（10.16%）9457（8.28%）BMJ Open413人（8.23%）4925人（4.31%）应用临床信息学410人（8.17%）3959人（3.47%）国际环境研究与公共卫生400人（7.97%）4297（3.76%）PLOS ONE395人（7.87%）9565（8.38%）B.L. 吉马电信和信息学报告9（2023）1000415表4十大高引用文章文件标题作者年源TCCPY梅奥临床文本分析和知识EX牵引系统（cTAKES）：架构，组件评估和应用。Savova，G.K.，Masanz，J.J.，et.al2010美国医学信息学协会杂志。17（5），pp. 五零七至五一三112193.4个人健康记录：定义，好处和克服采用障碍的策略。唐，P.C.阿什，J.S.，et.al2006美国医学信息学协会杂志。13（2），pp. 121-126100562.8COVID-19疫情宣言对心理后果的影响：基于活跃微博用户的研究。Li，S.，王玉，薛，J，Zhao，N.，Zhu，T.2020国际环境研究与公共卫生2032年第17（6）号7443722010年i2 b2/VA挑战临床文本中的概念，断言和关系。Uzuner，美国，et.al2011美国医学信息学协会杂志。18（5），pp. 552-55662556.82电子健康记录对医生和护士时间效率的影响：一项系统综述。普瓦桑湖，Pereira，J.，等人2005美国医学信息学协会杂志。12（5），pp. 505-51660435.53Bio2RDF：构建生物信息学知识系统的mashup。Belleau，F.，一、et. al2008生物医学信息学杂志。41（5），pp. 七零六至七一六55739.78电子健康记录数据质量评估的方法和维度：使临床研究能够重用。Weiskopf，N.G.，翁角，澳-地2013美国医学信息学协会杂志。20（1），pp. 一百四十四至一百五十一55061.11通过机器学习对医疗社区陈美，郝，Y.，Hwang，K.，Wang，L.，美国，王湖，加-地2017IEEE Access5，7，912，315，pp. 8869-8879508101.6利用情境感知开发抑郁症的移动干预。伯恩斯，M.N.，et.al.2011医学互联网研究杂志。第13卷第3期，第103页。e5538935.36下一代电子健康记录表型分析。Hripcsak，G.，Albers，D.J.2013美国医学信息学协会杂志。20（1），pp. 一一七至一二一36640.67注：TC=总引文CPY=每年引文表5按前9个研究领域分列的出版物分布情况秩研究领域输出（N=5019）月1医学2226（44.35%）第2计算机科学947人（18.87%）第3工程366人（7.29%）月4材料科学365人（7.27%）月5卫生专业230人（4.58%）月6环境科学224人（4.46%）月7农业与生物科学222人（4.42%）月8生物化学、遗传学和分子生物学221人（4.40%）月9多学科218人（4.34%）图3.第三章。前 9 名 资 助 者 的出版物数量。为推进转化科学与303出版物，和其他被提及。图二. 排名前9位的出版物数量。图图3显示了前9个资助机构和相应的出版物数量。“国立卫生研究院”是领先的机构，有641篇出版物。其次是“美国国家医学图书馆”，有554篇出版物。国家自然科学基金委员会出版物372种，国家自然作者关键词可视化图4示出了使用全计数方法的作者的关键词的同现这意味着关键字在文档中的每次出现都被计数。在总共9063个关键词中，网络可视化选择关键词出现至少10次的地方，导致在网络图上显示的8个集群中分组的256个关键词。该图显示了几个彩色和不同大小的圆形区域，它们以较短或较长的距离连接。颜色是组或簇的一部分这种组映射识别具有高度相互关联的方面的主题圆圈的大小取决于使用频率。关键字在文档中使用的频率越高，其圈就越大关键词之间的距离表示连接，距离越短，关键词之间的关联越强，研究中术语的连接用线条表示B.L. 吉马电信和信息学报告9（2023）1000416见图4。 作者关键词的共现如图所示“电子健康记录”也证明了其在数字健康系统中对临床决策支持系统领域的患者安全的重要性。总体而言，这反映了基于AI的医疗保健系统所取得的进步。讨论目前的研究考虑了文献计量学数据，以分析已发表的人工智能在医疗保健应用中的科学作品。下文讨论了这些调查结果在检索到的5019份文件中，所有文件均为期刊论文。2000年至2009年期间发表的文章数量较少，但后来有所增加。2012年以后发表的论文占总论文数的88.88%这表明在形成阶段进行了进一步的研究，以了解人工智能技术如何参与我们日常医疗和保健活动的应用。这意味着自动化系统，语音合成，神经网络和深度学习的兴起为疾病预测，诊断，治疗和管理开辟了以前无法想象的可能性[43，44]。关于人工智能在医疗保健中的应用的研究吸引了来自世界各地的研究人员，但高收入国家主导了该领域。美国贡献了约41.84%的研究在田野里。美国在人工智能研究上投入了大量资金，这些研究已经发展成为前沿的、革命性的、改善生活的创新，新兴的技术产业，激励工人，提高安全利益。相比之下，非高收入国家的这一研究领域有一些发达国家，例如英国，已经推出了联邦人工智能医疗保健政策，其中包括对医疗保健中人工智能技术的开发和监管的指导，一个典型的例子是英国的因此，尽管全球80%的人口居住在发展中国家，但大多数研究成果都是在发达国家产生的。这些差异是由几个因素造成的，包括资金、优先顺序、研究能力、基础设施和语言[47]。人工智能技术有望在医疗资源稀缺的发展中国家改善医疗服务与医疗保健相关的人工智能研究通常受到与医疗保健相关的大型期刊的青睐。各种信息技术和工程技术的进步为人工智能的发展铺平了道路[16]。在基于结果的前9个来源中，IEEE Access是唯一一个接近652篇论文的期刊，研究人员可以看到医学期刊和医学信息学期刊的主导地位此外，没有来自其他领域的传统期刊，如信息系统，运营管理或运筹学，进入前八名。此外，美国医学信息学协会（B.L. 吉马电信和信息学报告9（2023）1000417“ation该研究还考虑了作者图4显示了在搜索结果中出现在Scopus数据库上的256个作者关键词列表的突出度出现最多的技术关键词是而在人工智能研究的疾病领域中经常出现的一些关键词是，Covid-19，糖尿病，心理健康，哮喘，痴呆症和癌症。与医疗保健相关的人工智能研究主要集中在导致死亡的主要原因疾病上。到2030年，慢性病将占所有人类死亡的80%，导致严重的全球疾病负担[49因此，研究人员正在集中他们的愿望和努力，使用先进的人工智能技术进行早期检测和病情管理[52，53]。人工智能技术在医疗诊断、预测、检测、分类、治疗和疾病生存预测领域越来越受欢迎[54它在提高卫生系统内的医疗质量方面发挥着关键作用[57]。由于这些好处，人工智能可以帮助医生做出更好的医疗决定，甚至在某些响应性医疗领域取代人类的决定。结论人工智能被用于各种目的。这个概念每天都在发展和变化，并且随着对这项技术的投资增加，它已经变得普遍，特别是在医疗保健领域。本研究检查了Scopus数据集中索引的医疗保健相关人工智能研究的趋势近几十年来，出版物的增长速度加快。出版物生产力提高的主要因素是医疗保健领域越来越多地采用人工智能技术，这导致了医疗保健服务的转型这是由于技术的快速传播，导致对改善医疗质量的需求增加，如改善患者健康。在这种情况下，该研究可以成为出版物数据中反映的最先进AI数据的来源。此外，它还有助于学者、立法者和从业者更好地了解医疗保健相关人工智能研究的演变，以及在医疗保健环境中负责任地使用人工智能的先决条件。限制工作的局限性：一。作者认为，Scopus数据库足够大，可以提供本分析所需的各种出版物;然而，未来的研究将使用其他数据库，如WOS，以检查更多的论文。二.作者没有包括灰色文献（即，书）或用英语以外的语言写的论文。因此，以不同形式和语言进行的相关研究未来的研究可以增加检索范围，纳入更多相关研究，以丰富文献。声明相互竞争的利益没有竞争利益。贡献者不适用资金没有一伦理批准信息本研究不需要伦理批准，因为不包括任何人。审查分析和调查的障碍，以执行电子病历系统数据共享声明不适用患者和公众参与不适用竞争利益无利益冲突致谢不适用引用[1]S.S. Cakir，A. Otunctemur，医学中的人工智能，Eur。Arch. Med. Res. 34（Suppl.1）（2018）S1-S3。[2] R.E. Scott，M.Mars，电子健康战略发展的原则和框架，J. Med.因特网资源 15（ 7 ） （ 2013 ） e155 Jul 30[FREE Full text][Medline ： 23900066] ， doi ：10.2196/jmir.2250.[3] S. 马萨利亚岛克拉金河Thornhill，G.B.J.威尔斯Chow，决策支持工具，系统和心脏成像中的人工智能，可以。心脏病学杂志。34（7）（2018）827-838Jul[Medline：29960612]，doi：10.1016/j.cjca.2018.04.032。[4] J. He， S.L. Baxter ， J. Xu， J. Xu， X. Zhou ，K. 张， 实际 执行of arti ficialintelligence technologies in medicine ， Nat. Med. 25 （ 1 ） （ 2019 ） 30-36Jan[Medline：30617336]，doi：10.1038/s41591-018-0307-0.[5] T.B. Murdoch，A.S.Detsky，大数据在健康领域的必然应用小心，JAMA309（十三）（二零一三年）1351-1352Apr03[Medline： 23549579]，doi：10.1001/jama.2013.393。[6] K.J. Dreyer ， J.R.Geis ， When machines think ： radiology's next frontier ，Radiology 285 （ 3 ） （ 2017 ） 713-718 Dec[Medline ： 29155639] ， doi ：10.1148/radio.2017171183.[7] C.S.克鲁斯河Goswamy，Y.拉瓦尔湾Marawi，大数据在医疗保健中的挑战和机遇：系统 性 综 述 ， JMIR Med. Inform 。 4 （ 4 ） （ 2016 ） e38 Nov 21[FREE Fulltext][Medline：27872036]，doi：10.2196/medinform.5359.[8] Reddy S.人工智能在医疗服务中的应用。电子健康促进健康更聪明的照顾IntechOpen 2018：E.doi：10.5772/intechopen.74714[9] Aliza Becker B.A.，MPS候选人，医学中的人工智能：它今天为我们做了什么？2019.doi：https://doi.org/10.1016/j.hlpt.2019.03.004.[10] S. 萨菲，A.J.泰勒，J.阿伦河，巴西-地陈文，张文，张文，等.心肌灌注显像的临床应用.中华医学会心血管杂志， 2000， 24（1）： 117 - 118.影像学6（7）（ 2013 ） 823 -829 Jul[FREE Full text][Medline ： 23643281] ， doi ：10.1016/j.jcmg.2013.01.012。[11]E. 崔，M。Bahadori，A.Schuetz，W.斯图尔特，J。太阳，人工智能。医生，预测临床通过递归神经网络的事件，在：JMLR研讨会会议论文集，56，2016年，pp.301-3188月[免费全文][Medline：28286600]。[12]G.L. 克雷普斯湖Neuhauser，人工智能和即时性：设计健康沟通，亲自参与消费者和提供者，患者教育。92（2）（2013）8月205-210日[Medline：23683341]，doi：10.1016/j.pec.2013.04.014。[13]D.L. 拉博维茨湖 Shafner，M. Reyes Gil，D. Virmani，一个Hanina，使用arti ficialin-降 低 抗 凝 治 疗 患 者 不 依 从 风 险 的 智 能 ， 卒 中 48 （ 5 ） （ 2017 ） 1416 -1419May[FREEFulltext][Medline：28386037]，doi：10.1161/STROKEAHA.116.016281。[14]对，护理共同决策计划，资本。测量共同决策：研究证据综述。2012年国民保健署。www.england.nhs.uk/wpcontent/uploads/2013/08/7sdm-report.pdf[15]Md.Mohaimenul伊斯兰教，塔米娜纳斯林保利，贝拉尔阿尔辛拉维，林丽芳简硕臣，刘菊琪，简文山，《人工智能在新型冠状病毒疫情中的应用：文献计量分析》，医疗保健9（2021）441，doi：10.3390/healthcare 9040441。[16]郭玉琪博士，郝志超，赵世冲，龚嘉琪博士，杨凡博士，人工智能在医疗保健中的应用：文献计量分析，2020，J. Med. Inter-net Res. 22（7）（2020）e18228，doi：10.2196/18228。B.L. 吉马电信和信息学报告9（2023）1000418[17]B. Niu，S.Hong，J.Yuan，S.彭，Z.Wang，X.Zhang，全球沉积物趋势1992-2011 年地球 科学相关研 究： 文献计量分 析，SCIENTOMETRICS 98（ 1）（2013）511-529 JUN 22，DOI：10.1007/S11192-013-1065- X。B.L. 吉马电信和信息学报告9（2023）1000419[18]B. Marr，How is AI used in healthcare-5 powerful real-world examples that showthe latest advances，Forbes（2018）。[19]Y.S. Kwoh，J. Hou，E.A. Jonckheere等人，一种用于CT引导立体定向脑外科手术的具有改进的绝对定位精度的机器人，IEEE Trans. Biomed。Eng.35（2）（1988）153-160。[20] A.P. Kypson，W.R.陈晓，陈晓，等.机器人在心脏外科中的应用[J].中华外科杂志，2000，24（1）：119 - 119机器人系统1（2）（2004）87[21]M.H. Hyun，C.H.Lee，H.J.Kim等人，机器人手术与传统腹腔镜和开放性切除术治疗胃癌的系统综述和荟萃分析。J. Surg. 100（12）（2013）1566[22] F. Shweikeh，J.P. Amadio，M. Arnell等人，机器人和脊柱：当前和正在进行的应用审查，Neurosurg。第36卷第3期（2014）[23] 上午Hameed，J.姚河Allen等人，肾移植的进展手术进入机器人时代及其对肥胖接受者的前景，移植。102（10）（2018）1650-1665。[24] AnttiVäänänen，Keijo哈塔亚，KatriVehviläinen-Julkunen，PekkaToivanen：AIinhealthcare：anarrativereview，2021，https://doi.org/10.12688/f1000research.26997.2。[25] 胡C，Tsakonas E.，Tran K.等：机器人辅助手术与开放手术的比较外科手术和腹腔镜手术：临床效果和经济学分析。2011年。[26] S.E. Kristensen，B.J. Mosgaard，M. Rosendahl等人，妇产科肿瘤学中的机器人辅助手术：患 者受益、成本和外 科医生条件的现状和争 议-一项系统性 综述，ActaObstet。妇科学Scand. 96（3）（2017）274-285.[27] Carr-Brown J.，Berlucchi M.：初级保健：一个未开发的全球卫生机会nity的。您的.马里兰州2016年。[28] E. J. Topol，高性能医学：人类和人工智能的融合，Nat.Med.25（2019）44[29] FDA允许销售基于人工智能的设备，以检测某些糖尿病相关的眼部问题，2018年。可从以下网址获得：https://www.fda.gov/ news-events/press-announcements/fda-permits-marketing-artificialintelligence-based-device-detect-certain-diabetes-related-eye。[30] M.L. Faron，B.W.巴肯角维斯马拉角Lacchini，A.Bielli，G.Gesu，S.S.里希特，例如，使用WASPLab图像分析软件对用于检测耐甲氧西林金黄色葡萄球菌的显色培养基进行自动评分，J. Clin. Microbiol. 54（3）（2016）620-624 Feb 25。[31]C.布里格斯岛Longair，M. Slavik，K.斯威特河Mills，V. Thavaraja等人，自动血膜分析能代替人工血膜分析吗？CellaVisionDM 96自动图像分析系统的评价，Int J LabHematol 31（1）（2009）48 -60 Feb.[32] 阁下Kim，H.H. Kim，B.K. Han等人，癌症检测和假阳性的变化使用人工智能的乳房X线摄影回忆：回顾性，多读者研究， 柳叶刀数字健康2（2020）e138[33] X. 柳 湖 ， 加 - 地 Faes ， A.U.Kale 等 人 ， A comparison of deep learningperformanceagainsthealth-careprofessionalsindetecting diseasesfrommedical imaging：a systematic review and meta-analysis，Lancet Digital Health1（2019）e271[34] G.A. T.J.W.贝洛Dawes，J.Duan等人，深度学习心脏运动分析人类生存预测，纳特。马赫内特尔1（2019）95[35] M.R. Arbabshirani，B.K.Fornwalt，G.J.Mongelluzzo等人， 先进的机器学习在行动：识别颅内出血的头部计算机断层扫描与临床工作流程集成，NPJ Digit。Med.1（2018）9.[36] H. Lee ， E. J. Lee ， S. Ham 等 人 ， Machine learning approach to identify strokewithin 4.5 h，Stroke 51（2020）860-866.[37] H. 克莱河，西-地Stern，Making Time in General Practice，Primary Care Foundat。（2015年）1-83.[38] OECD/European UnionHealth at a Glance：Europe 2020：State of Health in theEU Cycle，OECD Publishing，Paris，2020.[39] 罗斯基·J查普曼·W他是J.，特里维迪河Del Fiol G.，库卡夫卡河Bleicher Estiri O.H.，Klann J.，Pierce J.“人工智能如何改变健康和医疗保健”。在医疗保健中的人工智能：希望，炒作，承诺，危险。Eds.：杨