Meta-Analysis Studies on Artificial Intelligence in Healthcare: A Bibliometric Analysis (2010-2025)

L'intelligence artificielle est passée du domaine de la science-fiction à celui de la machinerie quotidienne de la médecine moderne. Elle n'est plus seulement un concept théorique, mais un ensemble d'outils qui aident les médecins à reconnaître des modèles dans les radiographies, à prédire quels patients pourraient tomber malades et à gérer les calendriers hospitaliers. À mesure que ces outils sont devenus plus courants, les chercheurs ont commencé à poser une question critique : fonctionnent-ils réellement ? Pour répondre à cela, les scientifiques ont écrit des « méta-analyses », qui sont des types spéciaux d'études regroupant et combinant les résultats de nombreuses études plus petites pour obtenir une image plus claire. Considérez une méta-analyse comme un moyen de regarder une forêt plutôt que de simples arbres individuels, permettant aux chercheurs de voir la santé globale des preuves plutôt que de se perdre dans les détails d'une seule expérience. Cependant, alors que le domaine de l'intelligence artificielle dans la santé explose avec de nouvelles découvertes, personne n'avait jamais pris du recul pour examiner la collection de ces études de synthèse elles-mêmes afin de voir comment le domaine progresse, qui fait le travail et où se situe l'intérêt.

Une équipe de chercheurs de l'Université Medeniyet d'Istanbul a décidé de combler cette lacune en menant une revue massive de la littérature sur les méta-analyses de l'intelligence artificielle publiées entre 2010 et 2025. Ils n'ont pas testé de nouveaux dispositifs médicaux ni mené de nouveaux essais cliniques ; ils ont plutôt agi comme des cartographes, cartographiant le paysage existant de la recherche pour en comprendre la structure. En utilisant des logiciels informatiques puissants, ils ont rassemblé 646 articles de recherche provenant de deux bases de données mondiales majeures, filtrant tout ce qui n'était pas un résumé formel d'autres études. Leur objectif était de voir l'image globale : la vitesse à laquelle le domaine s'étend, quels pays et universités mènent la voie, et quels sujets médicaux spécifiques captent le plus l'attention.

Les résultats révèlent un domaine qui s'est discrètement construit pendant plus d'une décennie avant de décoller soudainement. Pendant les neuf premières années de leur étude, de 2010 à 2018, très peu de ces articles de synthèse ont été publiés, avec un ou deux seulement apparaissant au cours d'une année donnée. Mais à partir de 2019, le nombre de publications a commencé à grimper, et la croissance a été explosive ces dernières années. En 2024, les chercheurs ont publié 153 de ces études, et en 2025, ce nombre est passé à 280. Ces deux dernières années à elles seules représentent près des deux tiers de toute la recherche de l'ensemble du corpus de données. Cette poussée reflète l'adoption plus large de l'intelligence artificielle en médecine, qui n'est devenue possible qu'une fois que les hôpitaux ont disposé de suffisamment de données numériques pour entraîner les systèmes informatiques. Cependant, les chercheurs notent que si le volume de publications croît rapidement, le temps nécessaire pour que ces nouvelles études soient lues et citées par d'autres signifie que leur impact total est encore en cours de mesure.

Lorsque l'équipe a examiné qui rédige ces articles, un schéma de concentration clair est apparu. Bien que la recherche soit mondiale, les auteurs les plus productifs ne sont pas répartis uniformément à travers le monde. Un petit groupe de chercheurs, particulièrement une équipe basée en Iran, a produit une part importante des travaux les plus cités. L'Université de Téhéran, en Iran, se distingue comme l'institution la plus productive, suivie par d'autres universités médicales du même pays. La Chine domine le monde en termes de nombre pur de publications, produisant plus d'un tiers de toutes les études, suivie de près par les États-Unis. Pourtant, lorsqu'il s'agit d'influence, mesurée par la fréquence à laquelle ces articles sont cités par d'autres scientifiques, le Royaume-Uni occupe la première place, même s'il publie moins d'articles que la Chine ou les États-Unis. Cela suggère qu'un nombre plus restreint d'études de haute qualité provenant du Royaume-Uni a un impact disproportionné sur le domaine.

Les sujets couverts par ces études ont également évolué au fil du temps. Dans les premières années, la recherche se concentrait sur des applications larges et des procédures de diagnostic spécifiques comme l'endoscopie. Au fil des années, l'accent s'est affiné et est devenu plus technique. En 2024 et 2025, les thèmes les plus courants étaient spécifiques à la précision diagnostique, à la prédiction des résultats pour les patients comme la mortalité, et à l'utilisation de techniques d'imagerie avancées. Les chercheurs ont constaté que les revues les plus populaires pour publier ce travail sont celles dédiées à la santé numérique et à l'informatique médicale, plutôt que des revues axées sur une seule maladie comme le cancer ou les maladies cardiaques. Cela indique que les preuves sont rassemblées dans de nombreux domaines de la médecine, de la santé mentale à la chirurgie, plutôt que d'être confinées à une seule spécialité.

Malgré la croissance rapide et la nature internationale de la collaboration, les chercheurs ont trouvé un manque surprenant de connexion profonde entre les principales institutions. Bien que les pays travaillent ensemble par-delà les frontières, les universités et les hôpitaux eux-mêmes travaillent souvent de manière isolée. Le réseau de collaboration entre les institutions est ténu, la plupart des articles provenant de quelques équipes très serrées plutôt que d'un large réseau de partenaires mondiaux. De plus, l'étude souligne que, bien que la performance technique de ces outils soit étudiée intensément, d'autres domaines importants sont négligés. Il existe très peu de recherche dans ces articles de synthèse concernant la façon dont l'intelligence artificielle affecte le bien-être mental des travailleurs de la santé ou comment elle modifie la gestion des hôpitaux. L'accent reste fortement mis sur la capacité des machines à diagnostiquer les maladies avec précision, laissant les questions sur le côté humain de la technologie moins explorées.

Les auteurs concluent que, bien que le domaine soit indéniablement jeune et en pleine expansion à un rythme effréné, le simple nombre d'études ne signifie pas automatiquement que les preuves sont établies. L'augmentation rapide des publications suggère que les chercheurs sont impatients de résumer ce qu'ils savent, mais beaucoup de ces synthèses pointent encore vers des lacunes dans les données, telles que de petits échantillons ou un manque de tests à long terme. La croissance de l'activité de recherche est réelle, mais elle n'a pas encore rattrapé le besoin de maturité méthodologique. L'étude sert de rappel que, bien que nous construisions une vaste bibliothèque de connaissances sur l'intelligence artificielle dans la santé, nous devons prendre garde à ne pas confondre la vitesse de publication avec la certitude des résultats. La carte est en train d'être dessinée, mais le territoire est encore en cours d'exploration.