Meta-Analysis Studies on Artificial Intelligence in Healthcare: A Bibliometric Analysis (2010-2025)
这项针对 2010 年至 2025 年间 646 篇关于人工智能在医疗保健领域应用的元分析的文献计量学分析显示，在 2019 年后出现了由中国和英国引领的出版物激增，凸显了其增长速度已超过了方法论的巩固以及国际机构间的合作。
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
人工智能已从科幻小说的领域跨入现代医学的日常机制之中。它不再仅仅是一个理论概念，而是一套能够帮助医生识别 X 光片模式、预测哪些患者可能生病以及管理医院日程的工具集。随着这些工具变得越来越普遍，研究人员开始提出了一个关键问题：它们真的有效吗？为了回答这个问题，科学家们一直在撰写“元分析”（meta-analyses），这是一种特殊的各类研究，通过收集并结合许多小型研究的结果来描绘出更清晰的图景。可以将元分析想象成一种观察森林而非仅仅观察单棵树木的方法，它允许研究人员看到证据的整体健康状况，而不是迷失在单个实验的细节之中。然而，尽管人工智能在医疗保健领域的应用正处于新发现爆发式增长的过程中，但从未有人曾站在更高的维度去审视这些总结性研究本身的集合，以了解该领域是如何发展的、谁在从事这项工作，以及研究重心在哪里。
来自伊斯坦布尔梅德尼耶特大学（Istanbul Medeniyet University）的一个研究小组决定填补这一空白，他们对 2010 年至 2025 年间发表的关于人工智能元分析的文献进行了大规模综述。他们并没有测试新的医疗设备或进行新的临床试验；相反，他们扮演了制图师的角色，绘制现有的研究版图，以了解其结构。利用强大的计算机软件，他们从两个主要的全球数据库中收集了 646 篇研究文章，并过滤掉了所有非其他研究之总结形式的内容。他们的目标是观察大局：该领域扩张的速度如何、哪些国家和大学处于领先地位，以及哪些特定的医学主题最受关注。
结果显示，这是一个在过去十年中悄然积累，随后突然腾飞的领域。在研究的前九年，即 2010 年至 2018 年间，此类总结性论文的发表量极少，每年仅出现一两篇。但从 2019 年开始，出版数量开始攀升，并且在近年来经历了爆发式增长。2024 年，研究人员发表了 153 篇此类研究，而到 2025 年，这一数字跃升至 280 篇。仅这两年的研究量就占到了整个数据集中近三分之二。这种激增反映了人工智能在医学领域更广泛的应用，而这种应用只有在医院拥有足够的数字化数据来训练计算机系统后才成为可能。然而，研究人员指出，虽然论文数量正在迅速增长，但由于这些新研究被阅读和引用的需要时间，其完整的影响力仍处于衡量之中。
当团队观察是谁在撰写这些论文时，呈现出一种明显的集中模式。虽然研究是全球性的，但最高产的作者并非均匀分布在世界各地。一小部分研究人员，特别是来自伊朗的一个团队，产出了大量被高度引用的作品。德黑兰大学在伊朗脱颖而出，成为产量最高的机构，紧随其后的是该国的其他医科大学。中国在论文发表总量方面领先全球，产出了超过三分之一的研究，美国紧随其后。然而，在衡量影响力（即论文被其他科学家引用的频率）时，英国位居榜首，尽管其发表的论文数量少于中国或美国。这表明，来自英国的少量高质量研究对该领域产生了不成比例的巨大影响。
这些研究涵盖的主题也随时间发生了变化。在早期，研究侧重于广泛的应用和特定的诊断程序，如内窥镜检查。随着岁月流逝，研究重点变得更加精细且更具技术性。到 2024 年和 2025 年，最常见的主题聚焦于特定的诊断准确性、预测患者预后（如死亡率）以及使用先进的成像技术。研究人员发现，最受欢迎的发表期刊是那些致力于数字健康和医学信息学的期刊，而非专注于单一疾病（如癌症或心脏病）的期刊。这表明，证据正是在许多不同的医学领域（从心理健康到外科手术）被广泛收集，而非局限于某一个专科。
尽管存在快速增长和国际化协作的现象，研究人员却发现主要机构之间缺乏深层的联系。虽然各国在跨境合作，但大学和医院本身往往处于孤立状态。机构间的协作网络较为稀疏，大多数论文来自于少数紧密合作的团队，而非广泛的全球合作伙伴网络。此外，研究强调，虽然这些工具的技术性能正受到密集研究，但其他重要领域却被忽视了。在这些总结性论文中，关于人工智能如何影响医护人员心理健康以及如何改变医院管理的探讨非常之少。研究重心仍然高度集中在机器能否准确诊断疾病上，从而使得关于技术“人性面”的问题探索不足。
作者总结道，虽然该领域无疑还很年轻且正以惊人的速度扩张，但研究数量的激增并不自动意味着证据已经定论。论文数量的快速增加表明研究人员渴望总结已知知识，但许多这类总结仍然指向了数据的缺口，例如样本量过小或缺乏长期测试。研究活动的增长是真实的，但尚未达到方法论成熟度的要求。这项研究提醒我们，虽然我们正在建立一个关于医疗人工智能的庞大知识库，但我们必须谨慎，不要将出版的速度与结果的确定性混为一谈。地图正在绘制之中，但领地仍处于探索阶段。
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。