A Scalable Framework for Longitudinal Surveillance of Research Evolution in Digital Medicine

Wetenschap beweegt snel, maar het bijhouden van hoe een heel vakgebied verandert is een monumentale taak. Stel je voor dat je probeert de evolutie van een heel bos te begrijpen door slechts één boom te bestuderen; je ziet misschien de bladeren veranderen, maar je mist de verschuivende patronen van het bladerdak, de nieuwe soorten die wortel schieten en de manier waarop verschillende bossages met elkaar verbonden zijn. Dit is de uitdaging waar onderzoekers in de digitale geneeskunde voor staan, een uitgestrekt en snel veranderend landschap waar computerwetenschappen samenkomen met de menselijke gezondheid. In dit domein komen voortdurend nieuwe instrumenten op, zoals machine learning — systemen die leren van data om voorspellingen te doen — en generatieve kunstmatige intelligentie, die nieuwe tekst of afbeeldingen kan creëren. Tegelijkertijd worden de manieren waarop wetenschappers ziekten bestuderen, van het volgen van virussen tot het analyseren van genetische codes, herschreven. Omdat zoveel verschillende tijdschriften werk op dit gebied publiceren, en omdat de taal die wetenschappers gebruiken om hun werk te beschrijven in de loop van de tijd verandert, kan geen enkele individuele expert het hele plaatje in zijn hoofd houden. Het begrijpen van deze verschuivingen is cruciaal voor financiers die beslissen waar ze in moeten investeren, onderwijzers die cursussen ontwerpen en wetenschappers die beslissen welke problemen ze als volgende aanpakken.

Om dit op te lossen, heeft een team van onderzoekers aan Columbia University een nieuw, schaalbaar systeem genaamd TRACE gebouwd om de evolutie van onderzoek over het gehele veld van de biomedische informatica in de gaten te houden. In plaats van naar een enkel tijdschrift te kijken, verzamelden en analyseerden zij 78.073 artikelen die tussen 2011 en 2025 zijn gepubliceerd in 29 verschillende tijdschriften. Het team liep tegen een unieke hindernis aan: niet alle artikelen worden geleverd met een lijst met trefwoorden geschreven door de auteurs. Om deze hiaten op te vullen, gebruikten ze een slimme mix van methoden, waarbij ze termen ophaalden van websites van uitgevers, gestandaardiseerde medische beschrijvingen vervingen en zelfs een kunstmatige intelligentie-tool gebruikten om trefwoorden te genereren uit de abstracts van de artikelen zelf. Dit stelde hen in staat om 95.872 onderscheidende trefwoorden te volgen en ze in betekenisvolle thema's te groeperen, waardoor een heldere kaart ontstond van hoe het veld gedurende vijftien jaar is gegroeid en veranderd.

De analyse onthulde dat het veld niet alleen in omvang is gegroeid, maar ook door drie overlappende golven van aandacht is bewogen. De eerste golf, die al goed gevestigd was toen de studie in 2011 begon, bestond uit fundamenteel werk op het gebied van computationele biologie en basisinformatica, zoals softwaretools voor het beheren van gezondheidsgegevens en methoden voor het analyseren van genetische sequenties. De tweede golf, die rond 2019 doorbrak, werd gedreven door machine learning, een reeks technieken waarmee computers patronen in complexe data kunnen vinden. Deze golf breidde zich snel uit en vormde tegen 2025 bijna de helft van de totale onderzoeksoutput in het veld. De derde en meest recente golf, die in 2024 opkwam, wordt gedefieerd door grote taalmodellen en generatieve AI, technologieën die menselijke taal kunnen begrijpen en genereren. Deze golven vervingen de eerdere niet; in plaats daarvan vormden ze er een laag bovenop, wat een rijk, meerlagig onderzoekslandschap creëerde waarin fundamentele tools blijven worden gebruikt naast de nieuwste methoden voor kunstmatige intelligentie.

Een van de meest verrassende bevindingen was dat veel ogenschijnlijke dalingen in onderwerpen niet daadwerkelijk tekenen waren dat wetenschappers hun interesse hadden verloren. Wanneer de onderzoekers nauwkeuriger keken, ontdekten ze dat de afname in aantallen voor bepaalde onderwerpen vaak samenviel met een verandering in de bron van de trefwoorden. In de vroege jaren van de studie ontbraken bij veel artikelen door de auteurs opgegeven trefwoorden, waardoor het team moest vertrouwen op gestandaardiseerde medische labels toegewezen door indexeerders. Naarmate meer tijdschriften auteurs verplichtten om hun eigen trefwoorden op te geven, veranderde de mix van termen. Onderwerpen die in het verleden zwaar door indexeerders waren getagd, leken te krimpen, maar wanneer de onderzoekers zich concentreerden op alleen de door de auteur opgegeven trefwoorden, verdwenen die dalingen. Dit suggereert dat het veld in bijna alle richtingen groeit, waarbij de overgrote meerderheid van de onderzoeksthema's een gestage toename ziet in het aantal gepubliceerde artikelen.

De studie bracht ook in kaart hoe verschillende onderzoeksgemeenschappen met elkaar verbonden zijn. Het toonde aan dat "digitale gezondheidstechnologieën" — een brede categorie die alles omvat van mobiele gezondheidsapps tot elektronische patiëntendossiers — fungeert als een centrale ruggengraat die diverse onderzoeksgebieden met elkaar verbindt. Terwijl sommige tijdschriften zich diep specialiseren in specifieke niches, zoals genetische analyse of medische beeldvorming, kwam het tijdschrift Journal of Biomedical Informatics naar voren als een cruciale brug die de klinische kant van de geneeskunde met de computationele kant verbindt. De onderzoeksgemeenschappen worden collaboratiever, waarbij teams groter worden en steeds vaker klinische artsen mengen met computerwetenschappers. Deze verschuiving is zichtbaar in het auteurschap van artikelen, waarbij het aantal auteurs per studie is gestegen en het aantal verschillende instellingen dat samenwerkt aan een enkel artikel in de afgelopen tien jaar bijna is verdubbeld.

De onderzoekers onderzochten ook hoe grote wereldgebeurtenissen het veld hebben gevormd, waarbij de COVID-19-pandemie als casestudy werd gebruikt. Ze ontdekten dat de pandemie zorgde voor een enorme, onmiddellijke piek in onderzoek gerelateerd aan infectieziekten en gezondheidssurveillance. Echter, de impact ging dieper dan alleen een tijdelijke piek; het trok gerelateerde methodologieën mee omhoog, zoals data-analyse en kunstmatige intelligentie, die meegroeiden met het ziektespecifieke onderzoek. Zelfs nadat de onmiddellijke crisis voorbij was, keerden de groei in deze gebieden niet terug naar het vorige niveau, maar bleven ze versnellen, wat suggereert dat de pandemie fungeerde als een katalysator die het traject van het veld permanent heeft veranderd.

Uiteindelijk biedt dit kader een duidelijke, op data gebaseerde manier om te zien waar het veld naartoe gaat. Het laat zien dat hoewel het volume van het onderzoek explodeert, de kern van de discipline verschuift naar complexere, meer collaboratieve en door AI gedreven benaderingen. De bevindingen bieden een routekaart voor iedereen die door dit evoluerende landschap wil navigeren, waarbij onderscheid wordt gemaakt tussen vluchtige trends en blijvende verschuivingen in de wetenschappelijke aandacht. Door het onderscheid te maken tussen de ruis van veranderende metadata en het signaal van werkelijke onderzoeksgroei, bevestigt de studie dat de digitale geneeskunde niet alleen groter wordt, maar ook geïntegreerder, diverser en steeds centraler is in ons begrip en de verbetering van de menselijke gezondheid.