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

科学进步神速，但要追踪整个领域的变化却是一项艰巨的任务。想象一下，如果你试图通过只读一棵树来了解整片森林的演变，你可能会看到叶子的变化，但会错过林冠层的移动、新物种的扎根以及不同树丛之间的连接方式。这正是数字医学研究人员面临的挑战——这是一个计算机科学与人类健康交汇的广阔且快速变化的领域。在这个领域中，新的工具如机器学习（一种通过数据学习以进行预测的系统）和生成式人工智能（可以创建新文本或图像的系统）正在不断涌现。与此同时，科学家研究疾病的方式——从追踪病毒到分析遗传密码——也正在被重写。由于有如此多的不同期刊发表该领域的研究工作，且科学家描述其工作的语言会随时间而变化，因此没有任何一位专家能够将全貌都铭记于心。理解这些转变对于决定投资方向的资助者、设计课程的教育者以及决定下一步攻克哪些问题的科学家来说都至关重要。

为了解决这个问题，哥伦比亚大学的一个研究小组构建了一个名为 TRACE 的新型可扩展系统，用以观察生物医学信息学整个领域的演变。他们没有只看单一期刊，而是收集并分析了 2011 年至 2025 年间发表在 29 本不同期刊上的 78,073 篇文章。该团队面临着一个独特的障碍：并非所有文章都附带作者编写的关键词列表。为了填补这些空白，他们巧妙地结合了多种方法，从出版商网站提取术语，使用标准化的医学描述符进行替代，甚至使用人工智能工具从文章摘要中生成关键词。这使他们能够追踪 95,872 个不同的关键词，并将它们归类为有意义的主题，从而清晰地绘制出该领域十五年来如何增长和变化的地图。

分析显示，该领域不仅在规模上有所增长，而且经历了三个重叠的关注浪潮。第一波浪潮在 2011 年研究开始时已经相当成熟，由计算生物学和基础信息学等基础工作组成，例如用于管理健康数据的软件工具和分析遗传序列的方法。第二波浪潮在大约 2019 年突破，由机器学习驱动，这是一种允许计算机在复杂数据中寻找模式的技术。这一浪潮迅速扩张，到 2025 年时，其研究产出已占据该领域近一半的份额。第三波也是最近的一波浪潮出现在 2024 年，其特征是大型语言模型和生成式人工智能，这些技术可以理解并生成人类语言。这些浪潮并未取代早期的浪潮；相反，它们层层叠加，创造了一个丰富且多层次的研究环境，在这里，基础工具在与最新的人工智能方法并行的同时继续发挥作用。

最令人惊讶的发现之一是，许多表面上的研究课题衰退实际上并非科学家失去了兴趣。当研究人员仔细观察时，他们发现某些主题数量的下降往往与关键词来源的变化相吻中。在研究初期，许多文章缺乏作者提供的关键词，因此团队不得不依赖索引员分配的标准医学标签。随着越来越多的期刊开始要求作者提供自己的关键词，术语的构成发生了变化。过去被索引员大量标记的主题似乎在萎缩，但当研究人员仅关注作者提供的关键词时，这些衰减现象便消失了。这表明该领域实际上正在几乎所有方向上增长，绝大多数研究主题都呈现出论文发表数量稳步增加的态势。

该研究还绘制了不同研究社区如何相互连接。研究发现，“数字健康技术”——一个涵盖从移动健康应用到电子健康记录在内的广泛类别——起到了核心骨干的作用，将不同的研究领域联系在一起。虽然有些期刊专注于特定的细分领域，如遗传分析或医学影像，但《生物医学信息学杂志》（Journal of Biomedical Informatics）成为了一个关键的桥梁，连接了医学的临床端与计算端。研究社区正变得更加协作，团队规模也在扩大，并且越来越多地将临床医生与计算机科学家混合在一起。这种转变在论文作者身份中清晰可见：每项研究的作者人数有所上升，且在过去十年中，参与单篇论文研究的不同机构数量几乎翻了一番。

研究人员还考察了重大世界事件如何塑造该领域，并以 COVID-19 大流行症作为案例研究。他们发现，大流行引发了与传染病和健康监测相关的研究的大规模、即时激增。然而，其影响不仅限于暂时的峰值；它还带动了相关的研究方法，如数据分析和人工智能，这些领域随着疾病相关研究的增长而同步增长。即使在危机过后，这些领域的增长并未回到之前的水平，而是继续加速，这表明大流行症起到了催化剂的作用，永久性地改变了该领域的发展轨迹。

最终，这一框架提供了一种清晰的、基于数据的途径来洞察该领域的走向。它表明，虽然研究量正在爆炸式增长，但该学科的核心正在向更复杂、更具协作性且由人工智能驱动的方法转变。这些发现为任何试图驾驭这一演变景观的人提供了路线图，能够区分转瞬即逝的趋势与科学关注点的持久转变。通过将变化的元数据噪声与真实的科研增长信号区分开来，这项研究证实了数字医学不仅规模在扩大，而且正变得更加整合、多样化，并日益成为我们理解和改善人类健康的中心。