Mapping the Immediate Trajectory of Retinal Disease Research: A Large Language Model-Assisted Bibliometric Analysis
本研究利用大语言模型辅助的对 2023–2024 年高被引文章进行的文献计量学分析，揭示了视网膜疾病研究正从基础的基于影像的机器学习转向临床糖尿病视网膜病变管理、基因组学研究以及已部署的人工智能工具。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，眼科医生的世界就像一座巨大且繁忙的图书馆，每年都有数以百万计关于如何修复模糊视力的书籍被编写出来。长期以来，图书管理员（科学家）通过计算一本书在整个生命周期内被借阅了多少次来决定哪些书是“最好的”。但问题在于：一本旧书已经有了数十年的时间被借阅，而一本崭新的、才华横溢的新书甚至还没有时间被注意到。这使得很难看清现在到底什么才是真正令人兴奋的。为了解决这个问题，研究人员开始使用被称为“大语言模型”（LLMs）的超聪明计算机大脑。把这些 LLM 想象成超级组织有序的阅读助手，它们可以在几秒钟内浏览数千页内容，不仅是统计词汇的数量，而是真正理解其中的故事。它们可以识别出一本书是关于某种特定类型的眼疾，还是某种新型药物，从而帮助我们在旧有的计数方法反应过来之前，绘制出最新的趋势图。
这篇题为《绘制视网膜疾病研究的即时轨迹》的论文，就像是眼科研究世界里的一部穿越时空的侦探故事。作者郑苏（Zheng Su）和李廷锡（Tinsley Li）想要观察 2023 年与 2024 年最具影响力的眼科研究究竟有何不同。他们没有等待多年后再去看哪些论文变得出名，而是使用了一个聪明的技巧：他们只观察了一篇论文在发表后前 18 个月内的被引用次数。这就像不是根据一部新电影十年后的总票房来评判它，而是看有多少人在它的首映周末冲去观看。他们收集了 2023 年被引用次数最多的 50 篇论文（他们称之为“2025 届”），以及 2024 年被引用次数最多的 50 篇（“2026 届”），然后将这 100 篇论文的标题和摘要输入到一个 AI 助手程序中，以提取特定的想法和主题，并将其归类为 89 个大主题和 874 个更小的具体主题。
结果显示了眼科研究剧情的一次迷人转变。在 2023 年组中，故事重点高度集中在人工智能的“如何实现”（how）上。最热门的主题是“卷积神经网络”（一种特定类型的 AI 大脑）和“眼底成像”（拍摄眼睛后部的照片）。这就像每个人都在制造一台新车的引擎。然而，到了 2024 年，故事发生了变化。重点从制造引擎转向了在路上驾驶这辆车。提到“卷积神经网络”的频率显著下降（减少了 0.22），“眼底成像”也退居其次。取而代之，新的明星是“糖尿病视网膜病变分级”（判断疾病严重程度）、“大语言模型”（正是帮助这项研究的 AI 工具本身）以及“全基因组关联研究”（通过研究基因来寻找病因）。
论文表明，该领域正在趋于成熟。在 2023 年，研究人员正在证明 AI 可以识别图像中的疾病。而到了 2024 年，他们正在利用这种 AI 来预测疾病随时间恶化的趋势，并管理糖尿病患者。虽然“糖尿病视网膜病变”仍然是整体上最常见的主题，但科学家讨论它的方式发生了变化。他们不再仅仅讨论基础技术，而是开始讨论具体的治疗方案，例如针对遗传性眼疾的基因疗法，以及针对老年性黄斑变性的新药。作者指出，虽然旧的通过一生中统计引用的方法会错过这种快速转变，但他们的新方法清晰地捕捉到了这一点。他们发现，研究正从仅仅在实验室测试新的 AI 模型，转向使用这些工具来帮助医生为患者做出真实的临床决策，特别是针对糖尿病患者。这项研究证实，眼科护理的未来不仅仅是拍摄更好的照片，而是利用智能计算机和基因科学，在疾病导致失明之前进行管理。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。