A Bibliometric Analysis of Artificial Intelligence Applications in Infectious Diseases: A Decade of Research (2016–2025)
Deze bibliometrische analyse van 1.252 artikelen van 2016 tot 2025 onthult een exponentiële groei in onderzoek naar toepassingen van kunstmatige intelligentie voor infectieziekten, die grotendeels wordt gedreven door de COVID-19-pandemie en steeds meer gericht is op klinische hotspots zoals de surveillance van antimicrobiële resistentie en sepsisvoorspelling.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je de wereld van infectieziekten (zoals de griep, tuberculose of sepsis) voor als een enorme, chaotische bibliotheek. Jarenlang hebben artsen en wetenschappers geprobeerd de juiste boeken te vinden om patiënten te genezen, maar de bibliotheek wordt elke dag groter en de boeken zijn geschreven in complexe talen.
Dit artikel is als een kaartenmaker die besloot een decennialange rondreis te maken door deze bibliotheek (van 2016 tot 2025) om te zien hoe een nieuw hulpmiddel — Kunstmatige Intelligentie (AI) — de manier waarop we naar antwoorden zoeken, heeft veranderd. In plaats van elk boek te lezen, gebruikten de auteurs een "telmachine" (bibliometrische analyse) om naar 1.252 specifieke wetenschappelijke artikelen te kijken om het grote plaatje te begrijpen.
Hier is wat ze vonden, eenvoudig uitgelegd:
1. De explosie van interesse
Voor de eerste jaren van de rondreis (2016–2018) was de AI-sectie van de bibliotheek stil. Maar toen gebeurde er iets: de COVID-19-pandemie. Het was alsof er een plotselinge storm kwam die de deuren van de bibliotheek eraf blies.
- De groei: Vóór de storm waren er zeer weinig artikelen. Tegen 2025 was het aantal artikelen 30 keer groter geworden dan in 2016.
- De rush: Bijna 85% van al het onderzoek in dit hele decennium vond plaats in de afgelopen vijf jaar. Het is alsof iedereen zich plotseling realiseerde: "We moeten AI gebruiken om deze ziekten te bestrijden, en dat moet nú."
2. Wie doet het werk?
Als dit onderzoek een wereldwijde estafette was, zijn er twee hardlopers die duidelijk de leiding hebben:
- De Verenigde Staten en China: Deze twee landen lopen het snelst. Zij schreven de meeste artikelen en zij houden de meeste handen vast met andere landen om ideeën te delen.
- De topinstellingen: Harvard University is het team met de meeste hardlopers, maar Johns Hopkins University heeft de hardlopers die de meeste aandacht (citaties) krijgen voor hun werk.
- De verrassende ster: Hoewel India niet de meeste artikelen schreef, kregen hun artikelen de meeste aandacht per artikel. Het is alsof ze minder boeken schreven, maar de boeken die ze schreven, waren bestsellers.
3. De negen "buurten" van onderzoek
De auteurs gebruikten een speciale lens om het onderzoek te groeperen in negen duidelijke "buurten" of clusters. Stel je deze voor als verschillende kamers in de bibliotheek waar mensen aan specifieke problemen werken:
- De "Vroege Waarschuwing"-kamer: Dit is de grootste kamer. Mensen hier gebruiken AI om sociale media en big data te beluisteren om ziekte-uitbraken te spotten voordat ze gebeuren, een beetje zoals een weersvoorspelling voor virussen.
- De "Superbugs"-kamer: Dit is een zeer actueel gebied op dit moment. Wetenschappers gebruiken AI om te begrijpen hoe bacteriën resistent worden tegen antibiotica (zoals wanneer een slot van vorm verandert en de sleutel niet meer past). Ze proberen nieuwe manieren te vinden om die sloten te kraken.
- De "Sepsis"-kamer: Sepsis is een levensbedreigende reactie op een infectie. Onderzoekers bouwen AI "waakhonden" die sepsis bij patiënten kunnen opsnuiven uren voordat een menselijke arts het zou merken, wat potentieel levens redt.
- De "Pandemie"-kamer: Deze kamer werd gebouwd tijdens de COVID-19-crisis. Het zit vol met modellen die proberen te voorspellen hoe snel een virus zich verspreidt, zoals het volgen van een brand door een bos.
- De "Klassieke Ziekten"-kamer: Hier vindt gestaag werk plaats aan HIV, tuberculose en malaria. Dit zijn geen nieuwe problemen, maar AI helpt om ze sneller te diagnosticeren, vooral op plekken waar artsen schaars zijn.
- De "X-ray"-kamer: Hier leren computers om naar borstfoto's (röntgenfoto's van de borstkas) te kijken om tuberculose te vinden, waarbij ze fungeren als een super-radioloog die nooit moe wordt.
- De "Verklaarbare"-kamer: Een nieuwere sector waar wetenschappers proberen AI "menselijk te laten spreken". In plaats van dat de AI alleen een antwoord geeft, willen ze dat de AI uitlegt waarom het die beslissing heeft genomen, zodat artsen het kunnen vertrouwen.
4. Wat nu?
De kaart laat zien dat het veld snel beweegt. De grootste trends op dit moment zijn:
- Vechten tegen Superbugs: Betere manieren vinden om met antibioticaresistentie om te gaan.
- Levens redden op de IC: AI gebruiken om sepsis vroegtijdig te voorspellen.
De kernboodschap
Dit artikel vertelt ons niet dat AI al iedereen heeft genezen. In plaats daarvan laat het zien dat de fundering wordt gelegd. De wereld heeft gerealiseerd dat AI een krachtig hulpmiddel is voor infectieziekten. De kaart laat ons zien waar de bouwers aan het werk zijn, wie de leiding heeft over de bouwploeg, en welke kamers (zoals sepsis en antibioticaresistentie) de meeste aandacht krijgen.
De auteurs concluderen dat hoewel er nog veel werk te doen is, AI niet langer slechts een wetenschappelijk experiment is; het wordt een permanent, essentieel onderdeel van de gereedschapskist die artsen in de toekomst zullen gebruiken om infecties te bestrijden.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.