Mapping the Evolution of Artificial Intelligence in Healthcare, 2017–2025: An Integrated Bibliometric and Latent Dirichlet Allocation Topic Modelling Analysis
Deze studie integreert standaard bibliometrische analyse met Latent Dirichlet Allocation (LDA) onderwerpmodellering op een gecureerde corpus van 2.631 documenten over AI in de gezondheidszorg van 2017 tot 2025 om de beperkingen van trefwoorden te overwinnen, waarbij een volwassenheidstraject wordt onthuld van klaar voor gebruik zijnde toepassingen naar governance-afhankelijke grenzen zoals grote taalmodellen en uitlegbare AI.
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
Het landschap van de moderne geneeskunde wordt stilletjes herschapen door een krachtige nieuwe kracht: kunstmatige intelligentie. Decennialang hebben computers artsen geholpen bij het organiseren van dossiers en het uitvoeren van basisberekeningen, maar de systemen van vandaag leren patronen te zien in medische beelden, patiëntuitkomsten te voorspellen en zelfs klinische aantekeningen op te stellen. Deze verschuiving vindt zo snel plaats dat het voor ziekenhuisbestuurders en onderzoekers moeilijk is om een helder beeld te krijgen van waar het vakgebied naartoe gaat. Ze hebben een manier nodig om de enorme oceaan aan nieuw onderzoek in kaart te brengen, waarbij onderscheid wordt gemaakt tussen ideeën die klaar zijn voor echt gebruik en ideeën die nog slechts experimenten zijn. Om dit te doen, moeten ze duizenden wetenschappelijke artikelen bestuderen, maar simpelweg woorden tellen of vertrouwen op de labels die auteurs gebruiken om hun werk te beschrijven, mist vaak de diepere betekenis. Verschillende wetenschappers kunnen verschillende woorden gebruiken voor hetzelfde idee, of dezelfde woorden voor verschillende zaken, wat een mist creëert die de werkelijke trends verbergt.
Een team onderzoekers aan het K J Somaiya Institute of Management in Mumbai besloot die mist te klaren door twee verschillende manieren van naar de data kijken te combineren. Ze verzamelden een enorme collectie van 2.631 wetenschappelijke artikelen gepubliceerd tussen 2017 en 2025, met een specifieke focus op hoe kunstmatige intelligentie wordt toegepast in de gezondheidszorg. In plaats van alleen de titels en trefwoorden te lezen, gebruikten ze een computermethode die de titels en abstracts van de artikelen leest om verborgen thema's te vinden, vergelijkbaar met een bibliothecaris die luistert naar de inhoud van een gesprek in plaats van alleen de onderwerpregel van een brief te lezen. Door dit diepe lezen te koppelen aan een standaardanalyse van wie wie citeert en welke tijdschriften het meest actief zijn, creëerden ze een gedetailleerde kaart van de evolutie van het vakgebied. Hun werk onthult niet alleen welke technologieën volwassen worden, maar ook welke opkomende ideeën onder de radar van traditionele onderzoeksmonitoring blijven vliegen.
De onderzoekers ontdekten dat het vakgebied explosief is gegroeid, met een stijging van het aantal publicaties van ongeveer 87 in 2017 naar 731 in 2025. Deze stijging was bijzonder scherp rond 2020, gedreven door de dringende behoefte aan hulpmiddelen om de COVID-19-pandemie te diagnosticeren en te volgen. Wanneer zij de meest geciteerde papers analyseerden, zagen zij dat de vroege focus sterk lag op het gebruik van computers om medische beelden te lezen, zoals röntgenfoto's en scans, en op het verbinden van draagbare apparaten aan ziekenhuissystemen. Deze gebieden hebben nu een punt van volwassenheid bereikt, wat betekent dat de kerntechnische problemen grotendeels zijn opgelost, en het huidige onderzoek gericht is op het verfijnen van deze hulpmiddelen voor specifieke ziekten zoals hartaandoeningen of diabetes.
De meest significante ontdekking van de studie kwam echter voort uit de methode van het diepe lezen, die thema's blootlegde die standaard trefwoordzoekopdrachten volledig hadden gemist. Terwijl de traditionele analyse een duidelijk beeld gaf van beeldvorming en draagbare apparaten, slaagde het er niet in om twee snel groeiende gebieden te spotten: het gebruik van grote taalmodellen om klinische aantekeningen te schrijven en de dringende behoefte aan regels om uit te leggen hoe kunstmatige intelligentie haar beslissingen neemt. De computeranalyse identificeerde dat deze onderwerpen in populariteit exploderen, maar toch onzichtbaar waren in de standaard trefwoordkaarten omdat wetenschappers een breed scala aan termen gebruikten om hen te beschrijven. Dit suggereert dat het vakgebied zich beweegt van het louter bouwen van slimme hulpmiddelen naar het zorgen over hoe men hen moet besturen en hoe men hen kan integreren in de dagelijkige papierwinkel van ziekenhuizen.
De onderzoekers organiseerden hun bevindingen in een duidelijke tijdlijn van gereedheid. Zij bepaalden dat technologieën voor het lezen van medische beelden en het monitoren van patiënten met sensoren nu klaar zijn om in ziekenhuizen te worden ingezet. Andere gebieden, zoals het gebruik van kunstmatige intelligentie om artsen te helpen bij het schrijven van patiëntendossiers of om de privacy van patiënten te beschermen terwijl gegevens tussen verschillende ziekenhuizen worden gedeeld, bevinden zich nog in een fase van snelle groei. Deze nieuwere velden zijn nog niet klaar voor wijdverbreid gebruik, omdat er eerst nieuwe wetten en veiligheidskaders voor in het leven moeten worden geroepen. De studie concludeert dat voor ziekenhuisbestuurders en investeerders het meest waardevolle inzicht niet alleen is wat er vandaag werkt, maar het herkennen van welke opkomende technologieën aan de horizon verschijnen en voorbereiding vereisen voordat ze veilig kunnen worden toegepast. Door deze gecombineerde aanpak van het tellen van citaties en het lezen voor verborgen thema's te gebruiken, bood het team een betrouwbare manier om de toekomst van medische technologie te zien voordat deze voor iedereen overduidelijk wordt.
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.