A Bibliometric Analysis of Artificial Intelligence Applications in Infectious Diseases: A Decade of Research (2016–2025)
2016年から2025年までの1,252本の論文を対象としたこの計量書誌学的分析は、主にCOVID-19パンデミックによって推進され、薬剤耐性監視や敗血症予測といった臨床上のホットスポットへとますます焦点が絞られている、感染症に対する人工知能の応用研究における指数関数的な成長を明らかにしている。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
感染症（インフルエンザ、結核、敗血症など）の世界を、巨大で混沌とした図書館だと想像してみてください。長年、医師や科学者たちは患者を治療するための「正しい本」を見つけようと奮闘してきましたが、図書館は日々大きくなり続け、しかも本は複雑な言語で書かれています。
この論文は、いわば地図製作者のような存在です。彼らは、新しいツールである**人工知能（AI）**が、どのように情報の検索方法を変えてきたのかを知るために、この図書館への10年間にわたるツアー（2016年から2025年まで）を行ったのです。著者はすべての本を読み通す代わりに、「計数機」（計量書誌学的分析）を使用して、1,252件の特定の研究論文を調査し、全体像を把握しました。
以下に、その発見を分かりやすく説明します。
1. 関心の爆発
ツアーの最初の数年間（2016〜2018年）、図書館のAIセクションは静かなものでした。しかし、あることが起きました。新型コロナウイルス（COVID-19）のパンデミックです。それはまるで、突然の嵐が吹き荒れて図書館の扉を吹き飛ばしたかのようでした。
- 成長: 嵐の前は、論文の数は非常にわずかでした。しかし2025年までに、論文の数は2016年と比較して30倍に膨れ上がりました。
- ラッシュ: この10年間の全研究のうち、ほぼ**85%**が、直近の5年間に行われました。それはまるで、誰もが突然、「私たちはこれらの病気と戦うためにAIを使う必要がある、それも今すぐにだ」と気づいたかのようです。
2. 誰がその仕事を行っているのか？
もしこの研究が世界的なリレーレースだとしたら、明らかに2人のランナーがリードしています。
- アメリカと中国: この2カ国は最も速く走っています。彼らは最も多くの論文を執筆しており、アイデアを共有するために他の多くの国々と最も多く手を繋いでいます。
- トップ校: ハーバード大学は最も多くのランナーを抱えるチームですが、ジョンズ・ホプキンス大学には、その研究によって最も多くの注目（引用）を集めているランナーたちがいます。
- 意外なスター: インドは、論文の数では最多ではありませんでしたが、論文1本あたりの注目度は最も高かったのです。それは、書いた本の数は少なくても、その本がベストセラーであったようなものです。
3. 研究の9つの「近隣地域」
著者らは、特別なレンズを用いて、研究を9つの明確な「近隣地域（クラスター）」にグループ分けしました。これらを、人々が特定の課題に取り組んでいる図書館の中の異なる「部屋」だと想像してください。
- 「早期警戒」の部屋: ここは最大の部屋です。ここでは、ウイルスに対する天気予報のように、病気の発生を察知するために、AIを使ってソーシャルメディアやビッグデータに耳を傾けています。
- 「スーパーバグ（耐性菌）」の部屋: これは現在、非常に熱いエリアです。科学者たちは、AIを使って細菌がいかに抗生物質に対して耐性を獲得しているか（鍵穴の形が変わり、鍵が合わなくなるような状態）を解明しようとしています。彼らは、その鍵穴を開けるための新しい方法を見つけ出そうとしています。
- 「敗血症」の部屋: 敗血症は感染症による命に関わる反応です。研究者たちは、人間の医師が気づく数時間前に敗血症を嗅ぎ分けることができるAIの「番犬」を作り上げており、それが命を救う可能性があります。
- 「パンデミック」の部屋: この部屋は、COVID-19の危機の中で作られました。ここには、森の中を燃え広がる火災を追跡するように、ウイルスの拡散速度を予測しようとするモデルが集まっています。
- 「古典的な疾患」の部屋: ここでは、HIV、結核、マラリアに関する着実な研究が行われています。これらは新しい問題ではありませんが、医師が不足している場所において、AIはこれらをより迅速に診断する助けとなっています。
- 「X線」の部屋: ここでは、コンピュータが胸部X線写真を見て結核を見つける方法を学習しています。それは、決して疲れることのない「超放射線科医」のように機能します。
- 「説明可能な」の部屋: これは新しい領域であり、科学者たちはAIに「人間の言葉」を話させようとしています。AIが単に答えを出すだけでなく、なぜその決定を下したのかという理由を説明できるようにすることで、医師がAIを信頼できるようにすることを目指しています。
4. 次は何が来るのか？
この地図は、分野が急速に進化していることを示しています。現在、最も大きなトレンドは以下の通りです。
- スーパーバグとの戦い: 抗生物質耐性に対処するためのより良い方法を見つけること。
- ICUでの命を救う: 敗血症を早期に予測すること。
結論
この論文は、AIがすでにすべての人を治療したと述べているわけではありません。むしろ、基礎が築かれていることを示しています。世界は、AIが感染症に対して強力なツールであることを理解しました。この地図は、どこで建設が進んでいるのか、どの建設チームがリードしているのか、そしてどの部屋（敗血症や抗生物質耐性など）に最も注目が集まっているのかを教えてくれます。
著者は、まだやるべきことは残されているものの、AIはもはや単なる科学実験ではなく、将来の感染症と戦うために医師が使う道具箱の、不可欠で恒久的な一部になりつつあると結論付けています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。