Mapping the Evolution of Artificial Intelligence in Healthcare, 2017–2025: An Integrated Bibliometric and Latent Dirichlet Allocation Topic Modelling Analysis
本研究は、キーワードによる制限を克服するために、2017年から2025年までのヘルスケアAIに関する厳選された2,631件の文書に対し、標準的な計量書誌学的分析と潜在的ディリクレ配分法（LDA）によるトピックモデリングを統合しており、導入準備が整ったアプリケーションから、大規模言語モデルや説明可能なAIといったガバナンスに依存する最前線へと至る成熟の軌跡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
現代医学の展望は、強力な新たな力、すなわち人工知能によって静かに作り変えられつつあります。数十年にわたり、コンピュータは医師が記録を整理したり基本的な計算を行ったりするのを支援してきましたが、今日のシステムは、医療画像の中にパターンを見出し、患者の経過を予測し、さらには臨床記録の草案を作成することさえ学習しています。この変化は非常に速いため、病院のリーダーや研究者が、この分野がどこに向かっているのかという明確な全体像を把握することは困難になっています。彼らは、膨大な新しい研究の海をマッピングする方法を必要としています。つまり、実社会での使用準備が整っているアイデアと、まだ単なる実験段階にあるアイデアを区別する必要があるのです。これを行うために、彼らは何千もの科学論文に目を通さなければなりませんが、単に単語を数えたり、著者が自身の研究を説明するために選んだラベルに頼ったりするだけでは、より深い意味を見落としてしまうことがよくあります。異なる科学者が同じアイデアに対して異なる言葉を使ったり、あるいは同じ言葉を異なるものに対して使ったりすることで、真のトレンドを隠してしまう霧が生じているのです。
ムンバイのK J ソマイヤ・インスティテット・オブ・マネジメントの研究チームは、二つの異なるデータ分析手法を組み合わせることで、その霧を晴らすことにしました。彼らは、2017年から2025年の間に発表された、特にヘルスケアへの人工知能の適用に焦点を当てた2,631本の膨大な学術論文を収集しました。タイトルのキーワードだけを読むのではなく、彼らは論文のタイトルと抄録（アブストラクト）を読み解いて隠れたテーマを見つけ出すコンピュータ手法を用いました。これは、手紙の件名だけを読むのではなく、会話の内容に耳を傾ける司書のようなものです。この「深い読み取り」を、誰が誰を引用しているか、どのジャーナルが最も活発かという標準的な分析と組み合わせることで、彼らはこの分野の進化に関する詳細な地図を作り上げました。彼らの研究は、どの技術が成熟しつつあるかだけでなく、従来の調査手法ではレーダーに掛からない、注目すべき新興のアイデアについても明らかにしています。
研究者たちは、この分野が爆発的に成長していることを発見しました。出版数は2017年頃の約87本から、2025年には731本へと急増しています。この急増は、特に2020年頃に顕著であり、COVID-19パンデミックの診断や追跡を支援するツールの切実なニーズによって引き起こされました。最も引用されている論文を分析したところ、初期の焦点は、X線やスキャンなどの医療画像をコンピュータで読み取ることや、ウェアラブルデバイスを病院のシステムに接続することに重きを置いていたことが分かりました。これらの領域は現在、成熟段階に達しており、つまり中核となる技術的問題は概ね解決されており、現在の研究は心疾患や糖尿病といった特定の疾患に向けてこれらのツールを洗練させることに注力しています。
しかし、この研究の最も重要な発見は、この「深い読み取り」の手法によって、標準的なキーワード検索では完全に見落とされていたテーマが明らかになったことでした。従来の分析では、画像診断やウェアラブルデバイスに関する明確な姿が示されていましたが、大規模言語モデルを用いて臨床記録を作成することや、人工知能がどのように意思決定を行うのかを説明するためのルールが必要であるという緊急のニーズを見落としていました。コンピュータによる分析の結果、これらのトピックは人気が急上昇しているものの、科学者たちがそれらを説明するために多種多様な用語を使用していたため、標準的なキーワードマップでは不可視の状態であったことが判明しました。これは、分野が単にスマートなツールを構築することを超えて、それらをいかに統治するか、そしていかに病院の日々の事務作業に統合するかという問題へと移行していることを示唆しています。
研究者たちは、これらの知見を明確な「準備完了のタイムライン」として整理しました。彼らは、医療画像を読み取り、センサーを用いて患者をモニタリングする技術は、今すぐ病院に導入できる段階にあると判断しました。一方で、医師の患者記録作成を支援したり、異なる病院間でデータを共有する際の患者のプライバシーを保護したりするための人工知能の活用といった他の領域は、依然として急速な成長段階にあります。これらの新しい分野は、まず新たな法律や安全性の枠組みが整備される必要があるため、まだ広範な利用には至っていません。本研究の結論として、病院のリーダーや投資家にとって最も価値のある洞察は、今日何が機能しているかだけでなく、どの新興技術が目前に迫っており、安全に採用される前にどのような準備が必要かを知ることです。引用数のカウントと隠れたテーマを読み解く手法を組み合わせることで、研究チームは、テクノロジーが誰の目にも明らかになる前に、医療技術の未来を見通すための信頼できる方法を提供したのです。
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。