Meta-Analysis Studies on Artificial Intelligence in Healthcare: A Bibliometric Analysis (2010-2025)

Kunstmatige intelligentie is verschoven van het domein van sciencefiction naar de dagelijkse machinerie van de moderne geneeskunde. Het is niet langer slechts een theoretisch concept, maar een reeks instrumenten die artsen helpen patronen in röntgenfoto's te herkennen, te voorspellen welke patiënten ziek kunnen worden en ziekenhuisschema's te beheren. Naarmate deze instrumenten gebruikelijker zijn geworden, zijn onderzoekers een kritische vraag gaan stellen: werken ze eigenlijk wel? Om dit te beantwoorden, hebben wetenschappers "meta-analyses" geschreven, wat speciale soorten studies zijn die de resultaten van veel kleinere studies verzamelen en combineren om een duidelijker beeld te krijgen. Denk aan een meta-analyse als een manier om naar een bos te kijken in plaats van naar individuele bomen, waardoor onderzoekers de algehele gezondheid van het bewijs kunnen zien in plaats van verdwaald te raken in de details van een enkel experiment. Hoewel het veld van kunstmatige intelligentie in de gezondheidszorg explodeert met nieuwe ontdekkingen, had niemand echter ooit een stap terug gedaan om naar de collectie van deze samenvattende studies zelf te kijken om te zien hoe het veld groeit, wie het werk doet en waar de focus ligt.

Een team van onderzoekers van de Istanbul Medeniyet Universiteit besloot deze kloof te vullen door een massale review uit te voeren van de literatuur over meta-analyses over kunstmatige intelligentie die tussen 2010 en 2025 zijn gepubliceerd. Ze testten geen nieuwe medische apparaten of voerden nieuwe klinische trials uit; in plaats daarvan traden ze op als cartografen, die het bestaande onderzoekslandschap in kaart brachten om de structuur ervan te begrijpen. Met behulp van krachtige computersoftware verzamelden ze 646 wetenschappelijke artikelen uit twee grote wereldwijde databases, waarbij alles wat geen formele samenvatting van andere studies was, werd weggefilterd. Hun doel was om het grote plaatje te zien: hoe snel het veld zich uitbreidt, welke landen en universiteiten de weg wijs maken en welke specifieke medische onderwerpen de meeste aandacht trekken.

De resultaten onthullen een veld dat meer dan een decennium lang stilletjes is opgebouwd voordat het plotseling doorbrak. Tijdens de eerste negen jaar van hun studie, van 2010 tot 2018, werden er zeer weinig van dergelijke samenvattende papers gepubliceerd, met slechts één of twee per jaar. Maar vanaf 2019 begon het aantal publicaties te klimmen, en de groei is in de afgelopen jaren explosief geweest. In 2024 publiceerden onderzoekers 153 van deze studies, en in 2025 steeg dat aantal naar 280. Deze laatste twee jaar alleen al zijn verantwoordelijk voor bijna twee derde van al het onderzoek in de gehele dataset. Deze opmars weerspiegelt de bredere adoptie van kunstmatige intelligentie in de geneeskunde, die pas mogelijk werd toen ziekenhuizen voldoende digitale gegevens hadden om de computersystemen te trainen. De onderzoekers merken echter op dat hoewel het volume van de papers snel groeit, de tijd die het kost voordat deze nieuwe studies gelezen en geciteerd worden door anderen betekent dat hun volledige impact nog gemeten moet worden.

Toen het team keek naar wie deze papers schrijft, kwam er een duidelijk patroon van concentratie naar voren. Hoewel het onderzoek globaal is, zijn de meest productieve auteurs niet gelijkmatig over de wereld verspreid. Een kleine groep onderzoekers, in het bijzonder een team gevestigd in Iran, heeft een aanzienlijk deel van het meest geciteerde werk geproduceerd. De Universiteit van Teheran in Iran springt eruit als de meest productieve instelling, gevolgd door andere medische universiteiten in hetzelfde land. China leidt de wereld in het absolute aantal publicaties, met meer dan een derde van alle studies, dicht gevolgd door de Verenigde Staten. Wanneer het echter gaat om invloed, gemeten aan hoe vaak deze papers worden geciteerd door andere wetenschappers, neemt het Verenigd Koninkrijk de eerste plaats in, ook al publiceren zij minder papers dan China of de VS. Dit suggereert dat een kleiner aantal kwalitatief hoogwaardige studies uit het VK een onevenredig grote impact heeft op het veld.

De onderwerpen die in deze studies worden behandeld, zijn ook in de loop der tijd verschoven. In de vroege jaren richtte het onderzoek zich op brede toepassingen en specifieke diagnostische procedures zoals endoscopie. Naarmate de jaren verstreken, werd de focus nauwer en technischer. Tegen 2024 en 2025 waren de meest voorkomende thema's specifiek gericht op diagnostische nauwkeurigheid, het voorspellen van patiëntuitkomsten zoals mortaliteit en het gebruik van geavanceerde beeldvormingstechnieken. De onderzoekers vonden dat de populairste tijdschriften voor het publiceren van dit werk die zijn gewijd aan digitale gezondheid en medische informatica zijn, in plaats van tijdschriften die gericht zijn op een enkele ziekte zoals kanker of hartziekten. Dit geeft aan dat het bewijs wordt verzameld over veel verschillende gebieden van de geneeskunde, van mentale gezondheid tot chirurgie, in plaats van beperkt te blijven tot één specialisme.

Ondanks de snelle groei en het internationale karakter van de samenwerking, vonden de onderzoekers een verrassend gebrek aan diepe verbinding tussen de grote instellingen. Hoewel landen over grenzen heen samenwerken, werken de universiteiten en ziekenhuizen zelf vaak in isolatie. Het netwerk van samenwerking tussen instellingen is schaars, waarbij de meeste papers afkomstig zijn van enkele hechte teams in plaats van een breed web van wereldwijde partners. Bovendien benadrukt de studie dat terwijl de technische prestaties van deze instrumenten intensief worden bestudeerd, andere belangrijke gebieden worden over het hoofd gezien. Er is heel weinig onderzoek in deze samenvattende papers over hoe kunstmatige intelligentie de mentale gezondheid van zorgverleners beïnvloedt of hoe het het beheer van ziekenhuizen verandert. De focus blijft zwaar liggen op de vraag of de machines ziekten accuraat kunnen diagnosticeren, waardoor vragen over de menselijke kant van de technologie minder verkend blijven.

De auteurs concluderen dat hoewel het veld onmiskenbaar jong is en zich met een verbijsterend tempo uitbreidt, de enorme hoeveelheid studies niet automatisch betekent dat het bewijs definitief is. De snelle toename van publicaties suggereert dat onderzoekers er naar streven om te samenvatten wat ze weten, maar veel van deze samenvattingen wijzen nog steeds op hiaten in de data, zoals kleine steekproeven of een gebrek aan langetermijntesten. De groei in onderzoeksactiviteit is echt, maar het heeft nog niet de noodzakelijke methodologische volwassenheid ingehaald. De studie dient als een herinnering dat, hoewel we een enorme bibliotheek van kennis over kunstmatige intelligentie in de gezondheidszorg aan het opbouwen zijn, we voorzichtig moeten zijn dat we de snelheid van publicatie niet verwarren met de zekerheid van de resultaten. De kaart wordt getekend, maar het gebied wordt nog steeds verkend.