人工智能(artificial intelligence, AI)是计算机科学的一个重要分支，通过利用机器模拟并延伸拓展人类的智能，使机器自身获得思考、推理等学习能力，以辅助人类解决多种难题^[1-2]。医学领域中，AI的应用前景十分广阔，在医学影像识别、健康管理以及疾病诊断、预测与评估等方面均展现出了巨大潜力^[3-5]。特别是深度学习与神经网络取得的最新研究进展，使AI在医学领域备受瞩目^[6-8]。鉴于AI与医学领域逐渐交叉融合，国内外学者开展了大量AI相关随机对照试验(randomized controlled trial, RCT)医学研究，但研究的主题和发展趋势尚不清楚，探索医学领域内AI相关RCT研究进展和热点具有重要的临床与科研指导价值。本研究通过检索数据库，对医学领域内AI相关RCT研究的作者、研究机构与国家之间合作情况、研究主题等进行分析，以了解该领域研究现状，并为后续开展相关研究提供借鉴。

1.   资料与方法

1.1   资料来源

计算机检索PubMed数据库，纳入医学和健康科学领域的所有AI相关RCT文献。检索策略：以“Randomized Controlled Trial” “Randomized Controlled Trials”“Artificial Intelligence” “Computational Intelligence” “Machine Intelligence”“Computer Reasoning” “Computer Vision Systems” “Deep Learning” “Natural Language Processing” “Computer Neural Network”“Sentiment Analysis”“Robot”等为关键词，并采用关键词与主题相结合的方式进行检索，检索时间为建库至2021年12月1日。纳入标准：(1)以“人工智能”和“医学”为主题的RCT；(2)语种为英文。排除标准：会议论文、信件及评论文献。

1.2   数据分析

检索完成后导出文献，由2名研究人员阅读摘要或全文后逐个对文献进行筛选，如有分歧意见，通过讨论或咨询第3位研究人员进行解决。基于Web of Science数据库获取文献发表时间、被引频次、作者及所在研究机构与国家、关键词信息，并使用在线分析功能进行整理分析。采用VOSviewer 1.6.17软件提取文献发表的期刊影响因子、作者、机构、国家及关键词等信息，并生成高产国家(发文量≥20篇)、机构(发文量≥10篇)和作者(发文量≥3篇)合作的网络图以及高频关键词(出现频次≥30次)的聚类网络图。网络图由节点和连线组成，节点表示国家、机构和关键词等被分析的元素，不同颜色表示不同的聚类^[9-10]。节点大小可反映元素出现的频次，节点之间的连接代表合作、共现的关系^[11-14]。采用Cite Space 5.8.R3软件对文献被引情况及关键词进行突发性检测。

1.3   统计学处理

采用Microsoft Office Excel 2016软件进行数据整理。采用VOSviewer 1.6.17软对文献中的内容进行提取，并绘制研究机构合作网络图和关键词聚类网络图。采用Cite Space 5.8.R3软件绘制被引频次和关键词的突发情况检测图。发文量为计数资料，以频数和百分数表示。

2.   结果

2.1   年发文量

经检索共获得医学领域内AI相关RCT文献1174篇，发表时间分布于1989至2021年。其中2007年之前年发文量均未超过30篇，2008年、2014年、2017年、2018年、2020年发文量分别超过了30、60、80、100、200篇。虽然不同时间发表的AI相关RCT文献数量有所波动，但年发文量整体呈逐渐增加的趋势(2021年发文量有所降低可能与部分研究尚未正式发表有关)，见图 1。

图  1  1174篇AI相关RCT医学研究文献年发文量分布情况

AI: 人工智能；RCT: 随机对照试验

下载: 全尺寸图片 幻灯片

2.2   国家分布及合作情况

1174篇文献共来自欧洲、美洲、亚洲等地区的61个国家。不同国家发表的文献数量差异较大，其中发文量居前10位的国家依次为美国(37.22%，437篇)、意大利(10.90%，128篇)、韩国(8.86%，104篇)、德国(8.35%，98篇)、中国(7.84%，92篇)、英国(5.71%，67篇)、加拿大(5.20%，61篇)、荷兰(4.34%，51篇)、日本(3.49%，41篇)、澳大利亚(3.41%，40篇)。

图 2为发文量≥20篇的国家合作网络图，可反映国家之间的合作情况。国家之间的合作主要分为4个团队，其中第1个合作团队由美国、中国、意大利、韩国和加拿大等国家组成，第2个合作团队由德国、意大利、比利时等欧洲国家组成，第3个合作团队由瑞士、荷兰组成，第4个合作团队由日本和英国组成。基于合作网络图可知，国家之间的合作主要以发达国家为主，仅中国和巴西作为发展中国家出现在了国家合作网络图中。

图  2  发文量≥20篇的国家合作情况网络图

下载: 全尺寸图片 幻灯片

2.3   研究机构分布及合作情况

共1794个机构参与了此1174篇AI相关RCT医学研究，研究机构多来自发达国家的综合性大学。发文量居前10位的研究机构分别为美国哈佛大学(2.98%，35篇)、韩国延世大学(2.73%，32篇)、美国西北大学(2.21%，26篇)、美国麻省理工学院(2.13%，25篇)、美国斯坦福大学(1.96%，23篇)、美国华盛顿大学(1.70%，20篇)、美国加利福尼亚大学(1.62%，19篇)、美国马里兰大学(1.53%，18篇)、美国哥伦比亚大学(1.36%，16篇)、韩国首尔大学(1.28%，15篇)。中国发文最多的机构是中山大学(0.94%，11篇)。

对发文量≥10篇的39个研究机构进行合作情况分析，发现仅在27个研究机构之间形成了6个合作团体，其中大部分机构来自美国，说明总体而言研究机构之间的跨国合作不充分，不同团体之间的合作不密切。但在该研究领域中，美国知名机构参与最多且形成了较为紧密的合作关系(图 3)。

图  3  发文量≥10篇的研究机构合作情况网络图

下载: 全尺寸图片 幻灯片

2.4   作者分布及合作情况

1174篇AI相关RCT医学研究涉及7288位作者。其中发文量≥10篇的作者仅10位，分别为Krebs (22篇，美国麻省理工学院)、Calabro(11篇，意大利IRCCS神经中心)、Picelli (11篇，意大利维罗纳大学)、Smania(11篇，意大利维罗纳大学)、Lin(10篇，中国台湾大学)、Broadbent(10篇，奥克兰大学)、Kim(10篇，美国麻省理工学院)、Moyle(10篇，澳大利亚格里菲斯大学)、Volpe(10篇，意大利维罗纳大学)、Waldner(10篇，意大利波尔扎诺自由大学)。对发文量≥3篇的258位作者合作情况分析后发现，仅在49位作者之间形成了6个合作网络，提示总体来说高产作者之间缺少合作。其中来自英国剑桥大学的Krebs发文量最多且与多个团体存在合作关系，提示其在该领域具有较大影响力。

2.5   高频关键词分布与聚类分析

最常见的关键词为rehabilitation(康复，212次)、stroke(卒中，155次)、robotics(机器人技术，153次)、recovery (恢复，119次)、therapy(治疗，92次)、reliability (可靠性、80次)、performance(性能，77次)。对出现频次≥30的37个高频关键词进行聚类分析后发现，其最终聚类为三类(图 4)：第一个聚类包括stroke(卒中)、recovery(恢复)、robotics(机器人技术)、therapy(治疗)、impairment(损伤)等9个关键词，主要关注机器人技术在疾病治疗中的应用效果；第二个聚类包括rehabilitation(康复)、exercise(锻炼)、walking(步行)、gait(步态)等8个关键词，主要关注AI在康复训练中的应用效果；第三个聚类包括machine learning(机器学习)、diagnosis(诊断)、outcomes(结局)、quality of life(生活质量)、performance(性能)、surgery(外科)等20个关键词，主要关注机器学习在疾病诊断与管理中的应用效果。

图  4  频次≥30次的高频关键词聚类网络图

下载: 全尺寸图片 幻灯片

2.6   被引频次

1174篇RCT研究中，被引频次分布于0~819，篇均被引频次为36.09。其中被引频次最高的文献题目为Robot-assisted therapy for long-term upper-limb impairment after stroke，该研究由Lo等于2010年发表于N Engl J Med上，主要介绍了机器人辅助治疗脑卒中后长期上肢损伤的疗效。被引频次居前10位的研究见表 1。

表  1  被引频次居前10位的AI相关RCT医学研究

序号	文章题目	作者及发表时间	期刊名称	被引频次
1	Robot-assisted therapy for long-term upper-limb impairment after stroke	Lo等(2010年)	N Engl J Med	819
2	Robot-assisted movement training compared with conventional therapy techniques for the rehabilitation of upper-limb motor function after stroke	Lum等(2002年)	Arch Phys Med Rehabil	739
3	Effect of Robotic-Assisted vs Conventional Laparoscopic Surgery on Risk of Conversion to Open Laparotomy Among Patients Undergoing Resection for Rectal Cancer The ROLARR Randomized Clinical Trial	David等(2017年)	JAMA	475
4	A novel approach to stroke rehabilitation: robot-aided sensorimotor stimulation	Volpe等(2000年)	Neurology	414
5	Robot-based hand motor therapy after stroke	Takahashi(2008年)	Brain	408
6	Multicenter randomized clinical trial evaluating the effectiveness of the Lokomat in subacute stroke	Hidler等(2009年)	Neurorehabil Neural Repair	398
7	Prospective randomized controlled trial of robotic versus open radical cystectomy for bladder cancer: perioperative and pathologic results	Nix等(2010年)	Eur Urol	380
8	Comparing open radical cystectomy and robot-assisted laparoscopic radical cystectomy: a randomized clinical trial	Bochner等(2015年)	Eur Urol	359
9	Effects of robotic therapy on motor impairment and recovery in chronic stroke	Fasoli等(2003年)	Arch Phys Med Rehabil	349
10	Robot-assisted laparoscopic prostatectomy versus open radical retropubic prostatectomy: 24-month outcomes from a randomised controlled study	Coughlin等(2018年)	Lancet Oncol	348
注：检索时间为2021年12月1日；AI、RCT: 同图 1

下载: 导出CSV 

| 显示表格

2.7   突发性引文和突发主题

突发性引文是指文献在一段时间内被频繁引用^{[11, 15]}，其可反映特定领域的发展动态和高影响力文献，近年仍呈现突发高被引的引文可代表学科的研究前沿与热点，据此可对未来发展趋势进行预测。图 5呈现了突发强度居前20位的突发性引文，由此可知机器人辅助和机器学习是目前AI在医学领域应用相关研究的重点关注方向。突发性引文首次出现于2004年，突发强度最高的研究是由Lo等于2010年发表，该研究频繁被引始于2011年，结束于2016年^[16]。关键词突发性检测是指关键词在一段时间内被频繁使用的情况，其可反映特定领域的研究热点与前沿。图 6呈现了突发强度居前30位的关键词，其中突发强度最高的关键词为“machine learning”(机器学习)。

图  5  突发强度居前20位的AI相关RCT医学研究引文

AI、RCT：同图 1

下载: 全尺寸图片 幻灯片

图  6  突发强度居前30位的AI相关RCT医学研究关键词

AI、RCT：同图 1

下载: 全尺寸图片 幻灯片

3.   讨论

AI的发展趋势方兴未艾，其与医学的交叉融合可谓是大势所趋。为了解AI在医学领域中的应用现状，本研究基于PubMed数据库，对1174篇AI相关RCT医学研究在作者、研究机构、国家及其合作情况等方面进行了分析，发现开展该研究的作者及研究机构主要来自以美国为首的发达国家，高产作者、研究机构、国家之间的合作不紧密，研究的关键词主要聚焦于机器人技术在疾病治疗中的应用、AI在康复训练中的应用以及机器学习在疾病诊断与管理中的应用等主题，其中机器人辅助和机器学习是近年来关注度较高的领域。

进入21世纪后，伴随计算机性能获得了极大突破，AI迎来了高速发展期，而其在医学中的应用更是为该领域注入了新的活力。现如今，AI已在医学领域中的自然语言处理、图像识别、慢性病管理、疾病诊断与预测等方面崭露头角，前景十分广阔，且针对AI的医学研究亦在如火如荼地进行。为快速了解该领域研究热点与发展趋势，本研究基于PubMed数据库对医学领域内AI相关RCT研究现状进行了文献计量学分析，结果发现AI相关RCT医学研究数量整体呈逐年增长趋势，且近年来增长趋势更加显著，如年发文量从1篇增至10篇和由10篇增至30篇，分别用了14年和5年时间，而从80篇增至100篇以及由100篇增至200篇分别仅用时1年和2年，这与AI发展现况密不可分。随着循证医学的快速发展和2006年深度学习概念的提出，AI相关RCT医学研究年发文量整体快速增加，特别在2007年后增速加快，可能与机器学习在该时期得到高速发展以及深度学习方法得到完善有关^[5-6]，间接说明越来越多的学者认识到了AI在医学领域的应用潜力，而关注度的增高必将推动该领域进一步发展。

1174篇RCT研究来自全球61个国家，超过半数国家的发文量≤5篇。发文量居前10位的国家中，4个来自欧洲、2个来自美洲、3个来自亚洲、1个来自澳洲，其发文量均≥40篇，提示对该领域的关注度存在明显的国家聚集现象，发达国家对此较为关注。在对发文量≥20篇高产国家的合作情况进行分析发现，国家之间的合作形成了4个较大的团队，且合作主要出现在发达国家之间。在对研究机构和作者分布及其合作关系的分析中，亦得到了类似结果，发文量≥10篇的作者及研究机构主要来自发达国家，但存在不同作者、研究机构之间合作不充分、不密切的现象。AI作为交叉学科，常需跨学科合作，研究者不仅需加强团队成员之间的合作，更应建立国际跨学科紧密合作关系。值得说明的是，作为美国麻省理工学院机械工程系的教授，Krebs长期从事辅助机器人的开发及其在交叉学科中应用的研究，其不仅发文量最多(22篇)且与其他研究团队存在广泛的合作关系，在该领域内具有重要影响力。

中国发文量居全球第5位(92篇)，与美国、意大利、韩国、加拿大、澳大利亚和巴西合作较多，提示虽然我国AI相关RCT医学研究起步较晚，但发展迅猛，为AI在医学领域的应用作出了较大贡献。此外，中国是发文量前10位中唯一一个发展中国家，亦从侧面反映了国家的经济和科技实力。我国作为高速发展的新兴经济和科技大国，更应紧盯世界科技发展前沿，增加与相关国家和机构的合作，为AI在医学领域的应用提供更多高质量证据。

被引频次和高频关键词可反映研究热点分布及变化趋势。本研究结果显示，被引频次最多、突发强度最高的文献均为Robot-assisted therapy for long-term upper-limb impairment after stroke^[16]，该论文介绍了机器人辅助治疗可有效改善卒中患者长期上肢功能，引起了研究者对机器人辅助治疗的关注，于2011至2016年被大量引用。通过突发性检测可以看出，近年来机器人辅助和机器学习在医学领域的应用是研究的重点方向。在对高频关键词的分析中，1174篇RCT研究最常见的关键词为康复、卒中、机器人技术、诊断、治疗、性能、可靠性等，提示研究方向主要关注疾病的诊断与治疗方面。关键词聚类分析结果显示，目前研究主题主要聚焦于机器人技术在疾病治疗中的应用、机器学习在疾病诊断和管理中的应用以及AI在康复训练中的应用，亦提示研究主题有待拓展。关键词突发性检测结果表明，机器学习是近年来AI领域的研究热点，引发了医学研究人员的广泛关注，并围绕机器学习的应用效果评价展开了多项RCT研究，为临床医师今后进行相关研究提供了借鉴。

本研究局限性：(1)由于Cite Space等可视化软件对文献格式有要求，不同数据库之间的格式存在差异，且中文数据库导出数据时存在文献信息不全的现象，导致分析软件的大部分功能无法使用，故本文仅检索了PubMed数据库，未纳入Embase、Scopus等英文数据库以及中国知网、万方数据知识服务平台等中文数据库信息，研究结果可能存在偏倚。(2)虽然已对数据分析结果进行仔细核对，但仍可能存在作者重名的现象，导致分析结果存在误差。

近年来，科技进步带来了数据存储和计算能力的快速提升，智能算法不断成熟，AI技术已在包括医学在内的多领域大显身手^[11-12]。一般来说，RCT可较好地控制偏倚，研究质量和学术价值较高，可为临床及相关卫生政策的制订提供重要参考信息。随着SPIRIT-AI和CONSORT-AI等一系列AI临床试验报告规范问世^[3-5]，AI相关RCT研究已步入规范化发展的快车道^[17]。目前，欧美国家在AI相关RCT医学研究领域中处于领先地位，我国的研究者和研究机构在该方面亦表现出巨大潜力。我国学者应加强跟踪AI的应用需求，掌握其在医学领域中的应用现状与发展趋势，加强与国外科研机构合作，科学开展RCT研究并规范论文报告质量，进一步拓展AI在医学领域中的应用。