基于WOS數據的醫學信息學學科交叉發展態勢研究

，，

現代科學既高度分化又高度綜合，而交叉科學集分化與綜合于一體，實現了科學的整體化[1]。醫學信息學(Medical Informatics)是醫學、信息科學和計算機科學三者結合而產生的綜合性、交叉性的學科[2]，其研究與實踐在20世紀50年代伴隨著芯片和計算機的發展而產生，20世紀70年代作為一門學科被正式提出[3]。隨著計算機、網絡和信息技術的快速發展，醫學信息學獲得了飛速發展，在理論、應用和技術等方面取得了一系列成果，為醫學和衛生保健領域帶來了翻天覆地的變化[4]。現階段，我國醫療信息管理的意義和地位已經逐漸上升到了戰略層面[5]，大數據、精準醫療為醫學信息學的發展帶來了新的機遇與挑戰。

近年來，不少學者針對醫學信息學的學科內涵、領域特點、發展路徑、研究前沿和發展趨勢以及現存問題等進行了深入縝密的觀察和剖析，但對其跨學科特性的規律研究相對較少。本文在已有研究成果的基礎上，采用文獻計量和知識圖譜可視化技術對醫學信息學的跨學科發展歷程及態勢從多維度多角度進行了更為深刻的揭示，期望為該學科的未來發展提供參考。

1 相關研究現狀

1.1 醫學信息學學科研究

與先進國家相比，我國醫學信息學學科發展還比較落后。代濤[3]對國際上醫學信息學的發展現狀進行了較為系統的梳理，包括對醫學信息學的內涵、國內外發展歷程、熱點研究問題等進行了系統分析，在此基礎上探討了我國醫學信息學的發展之路；董建成[6]通過對醫學信息學歷史的透視、當前狀況和未來面臨挑戰的分析，探討了我國醫學信息學發展的戰略；劉巖、李小濤等[7-8]基于《醫學信息學雜志》和《中華醫學圖書情報雜志》總結了這兩種期刊30年來發文的熱點內容和研究缺陷，并對比了不同時期的研究熱點；李樹民[9]、呂艷華[10]、李國棟[11]等學者基于大量數據采用頻次統計、共現分析等方法系統地揭示了學科發展路徑和現狀、研究熱點及趨勢等；袁曉園等[12]運用相似的方法剖析了我國醫學信息學國際發文的研究熱點；崔雷等[13]基于對國際上重要的醫學信息學期刊進行引文分析，總結了國外醫學信息學的4個重點領域；許丹、曹霞等[14-15]遴選了部分期刊，應用引文分析方法，分析了幾十年的領域熱點和學科發展主路徑以及近幾年的代表作者和發展趨勢等；趙穎穎、齊鳳青等[16-17]則分別基于PubMed、Web of Science(WOS)上的全領域數據進行了國際熱點、研究現狀分析；陳春林[18]在對國內外差異的細致研究上，選擇2002-2009年國內外較有代表性的醫學信息學相關論文進行共性分析和內容分析，揭示了國內外的研究異同；王理、王燕鵬等[19-20]利用可視化分析方法對比了國內外特別是中美兩國的發展趨勢和研究熱點。還有兩篇比較有代表性的學位論文，一篇是栗文靖[21]依據國際醫學信息學會(International Medical informatics Association，IMIA)的有關綱領，采用定性與定量相結合的方法，對美國、英國和德國的醫學信息學現狀進行了全局性調研和對比分析；另一篇是王曉榮[22]采用引文分析、共詞分析、知識圖譜等方法對近10年國內外醫學信息學的發展狀況進行了較為系統的梳理和對比分析，包括在引文狀況、學科結構和學科發展脈絡等方面的異同，提出了我國醫學信息學發展的新思路。此外，崔雷等[23]聚焦國內醫學信息學院、系的科研熱點進行了國際對比；李后卿等[24]透過信息鏈這一獨特視角對醫學信息學當前和未來的發展重點和方向進行了研究與預測，就醫學信息學發展中所面臨的問題提出了相應對策。

1.2 醫學信息學跨學科研究現狀

國內外學者對醫學信息學學科及其“跨學科”特征進行了一定的研究。在學科定義與內涵上盡管學者們多有分歧[3，25-26]，但在“多學科交叉”的特點上意見一致，大都提到多學科(Multidisciplinary)和合成或異構(Heterogeneous)[4]。國際醫學信息學學會(International Medical Informatics Association，IMIA)發布的教育指南[27]界定了其跨學科的特性及內涵。Deshazo等[28]對MEDLINE上的醫學信息學相關文獻的計量學分析中，除了統計得出文獻總數量、平均影響因子都有顯著增長之外，基于主題詞詞頻及期刊的分析證實了醫學信息學明顯的交叉學科發展趨勢；Bemme[29]將醫學信息學界定為跨學科領域的先鋒，并以其為例分析跨學科研究的內涵，討論如何有效地開展跨學科研究，包括如何協作、需要什么樣的領導力，以及跨學科教育等；Knaup等[30]立足醫學信息學角度分析衛生保健的發展需要跨學科知識和互操作技術的支撐，列舉了健康科學/醫學圖書館學與醫學信息學的一些研究領域的重疊程度；Jeannette Murphy[31]指出，健康科學圖書館學是醫學信息學產生的源頭之一；張凌等[32]就醫學信息學討論了交叉信息學科研究的地位和作用，學科信息化的一般過程；王俏等[33]以23種國際高影響力期刊作為研究對象，基于共被引相關理論分析了1999-2013年醫學信息學相關學科分布情況，歸納其分布特征，發現計算機科學、統計學、數學等學科都為醫學信息學的發展提供了不可或缺的理論、方法或技術；醫學信息學與全科醫學、循證醫學、臨床流行病學等學科存在研究領域的交叉。

1.3 學科交叉性(跨學科)研究現狀

在當今跨學科時代的大背景下，在各種跨學科研究政策的鼓勵下，學科之間交叉的強度與廣度、知識跨學科的流向、跨學科研究成果的產量與影響等跨學科特征已成為文獻計量學領域重要的研究問題[34]。國內外對學科交叉的研究已蓬勃展開并取得了較為豐碩的成果，特別是測度方面，比較經典的文獻[35-40]提出了一系列指標。

學科交叉探索是涉及跨學科或多學科研究的復雜問題，可視化技術因其直觀、生動、易于解讀等諸多優點成為研究學科交叉問題的重要工具。運用可視化技術制作知識圖譜展現學科交叉態勢，是學者常用的方法。李長玲等[41]針對學科交叉領域知識重疊的問題，以情報學和計算機科學為例，對兩個學科中知識聚類和重疊社群網絡進行可視化展示，并對兩個學科間的交叉研究主題進行了分析；于洋[42]從網絡凝聚子群角度，利用整體網絡研究工具，探索學科交叉度的測度方法；Porter[43]通過文獻計量指標和科學知識圖譜對1975-2005年間6個研究領域的數據進行分析后發現，學科交叉程度隨時間的推移越來越強，但是這種學科交叉多傾向于鄰近學科間的交叉，跨度較大的學科間的交叉步伐相對較慢；Leydesdorff[44]利用WOS數據庫，采用VOSviewer軟件并結合Blondel Q社區識別算法得到全球期刊的科學覆蓋圖，使用Rao-Stirling指數，包括citing和cited引文矩陣測度學科交叉并做了可視化展示；張金柱[45]從學科分類的數量分布以及差異性的角度分析了圖書情報領域的學科交叉性，并以疊加圖進行可視化；郭婷[46]、許海云等[47]也對情報學學科的交叉態勢進行了可視化研究。

綜上可以看出，學者們對醫學信息學的學科內涵、發展路徑、領域特點、研究前沿和發展趨勢等進行了廣泛而深入的研究，但對其跨學科特性的分析還不夠細致和量化。因此，本文借鑒現有跨學科研究成果，采用可視化技術和方法，從多維度較為全面地揭示醫學信息學的跨學科發展態勢，旨在為學科的未來發展提供參考。

2 研究內容和方法

本文聚焦醫學信息學的跨學科發展歷程及特征，從單一學科分析和多學科間對比分析兩個視角，運用多種知識圖譜從多個維度開展較為深入的分析和研究，主要研究內容如下。

首先，基于醫學信息學單一學科的文獻數據，利用文獻計量方法和氣泡圖從年代順序、關聯時長及數量等角度分析醫學信息學自身學科的發展特征，以及與其關聯學科間交叉關聯歷史及發展態勢；其次，基于醫學信息學及其近鄰學科的多學科文獻數據，利用學科疊加圖分析和對比幾個學科間的相互影響和交叉發展的演化特征趨勢；最后，利用雙重疊加圖探測醫學信息學及其典型近鄰學科在知識吸收、擴散和應用領域的交叉態勢和趨勢。

3 分析過程與結果

3.1 醫學信息學單學科分析

3.1.1 數據準備及年度趨勢分析

選取WOS核心合集的SCI-Expanded、CPCI-S等數據庫，利用WOS的學科分類，檢索式為：WC=Medical Informatics，文獻類型選擇“Article”，時間跨度設為1970-2015年，檢索時間為2016年5月，得到44 175條記錄。這批數據集所包含文獻的出版年份始于1961年，合計有55個年度，各年度的文獻數量如圖1所示。

圖1 1961-2015年醫學信息學WOS文獻數量年度變化趨勢

基于趨勢線可以將醫學信息學的發展歷程分為4個階段：一是前10年的萌芽期，文獻量較少且增長緩慢；二是約15年的成長期，增速較快，年文獻量逐漸達到了近500篇左右；三是隨后20多年增速略緩，可以視為平穩發展期；四是近10多年相對增速上升，近3年幾乎持平，呈現快速發展及逐漸成熟之趨勢。

3.1.2 學科類別分析

WOS對文獻進行了學科類別的劃分，跨學科類型的研究會被標注出所隸屬的多個類別，所以體現了這些類別間的關聯關系。基于此，經統計這批數據集涉及除醫學信息學之外的共計25個WOS類別，作為同層級學科類別，它們與醫學信息學有著不同程度的交叉關聯關系。

與2012年中國學位辦學科分類相對照，共涉及醫學(10)、工程(7)、自然科學(6)、管理學(2)等4個一級學科，具體包括計算機科學與技術(5)、生物學(4)、基礎醫學(3)、臨床醫學(3)、公共管理(2)，以及統計學、生物醫學工程學、公共衛生與預防醫學、藥物科學、醫學技術、護理、圖書館/信息和檔案管理等十幾個二級學科。

數據量排名前10的WOS類別及其記錄的數量見表1。可以認為，這些學科與醫學信息學的學科關聯相對更加緊密。

表1 TOP10醫學信息學交叉關聯學科類別(1961-2015)

3.1.3 學科關聯變遷分析

本節關注醫學信息學與上述學科類別間的關聯關系的變化趨勢。基于該數據集的類別屬性特征，不同類別出現時期的先后、類別間在不同年份的數量上的差異等可以在一定程度上對此進行反映。為清晰起見，將55個年度按照5年一個時間段進行劃分，共計11個時間段，按照自然年順序分別標記為Yi(i=1～11)。

3.1.3.1 年代順序維度

特定的學科類別在特定的年代出現，是該學科類別與醫學信息學產生關聯的交叉時間節點，每個年代新出現的交叉學科列于時間軸線見圖2。不同學科出現的先后順序，不僅分別勾畫了這11個時期的重要時間和事件節點，也反映了醫學信息學與其他學科類別產生交叉關聯的演變情況，進一步體現了醫學信息學學科發展歷程中的一些具體特征。

圖2 不同年代新交叉學科時間軸

縱觀25個WOS類別，在最早的年代，即Y1(1961-1965)就與醫學信息學產生關聯的有“Biology”“Imaging Science & Photographic Technology”“Medicine, General & Internal”“Computer Science, Information Systems”“Health Care Sciences & Services”等5個類別。這與當時的學者將醫學信息學學科名稱界定為“計算機醫學”“醫學信息處理”“醫學信息系統”等是相契合的。正如文獻[3]所述，生物醫學研究者于20世紀50年代開始使用電子數字計算機處理數字型數據，醫學信息學最早期的研究成果可以追溯到1959年Ledley和Lusted[48]在Science雜志上發表的“Reasoning Foundations of Medical Diagnosis：Symbolic Logic, Probability, and Value Theory Aid Our Understanding of How Physicians Reason”一文。因此可以認為，醫學信息學學科的起源和萌芽，是計算機信息系統技術和成像科學與攝影技術在生物醫學領域中的應用。

從Y2(1966-1970)、Y3(1971-1975)、Y4(1976-1980)新出現的6個交叉領域可以看出，這幾個時期的醫學信息學更多地得益于計算機學、信息學、數學等學科的理論方法與技術實踐等的發展與支撐，在檢驗技術、醫藥工程等領域有了越來越多的融合與應用，獲得了較快的發展。接下來，Y5(1981-1985)和Y6(1986-1990)時期新出現的關聯學科大多是醫學內部學科，可以認為，基于前期的快速成長，在20世紀80年代，醫學信息學有了更深入的理論發展以及更廣泛的應用；而在Y7(1991-1995)和Y8(1996-2000)時期，計算機人工智能及軟件工程方面的理論與技術為醫學信息學的發展注入了新的活力和動力。步入21世紀以來，醫學信息學的蓬勃發展進一步擴展了其與更多學科的交叉融合，在Y9(2001-2005)、Y10(2006-2010)、Y11(2011-2015)持續出現的新交叉學科凸顯了醫學信息學學科的快速發展之勢。

3.1.3.2 關聯時長維度

對于特定學科，在這批數據集中的覆蓋年度數量越多，說明其與醫學信息學的關聯時間越久，從某種意義上說明其間的關聯交叉程度越深，特別是具有持續覆蓋特征的學科。25個類別按照關聯時長特征的分組情況見表2。

表2 醫學信息學交叉學科領域關聯時長組別

在25個學科類別中，第一組的“Computer Science, Information Systems”和“Health Care Sciences & Services”連續覆蓋了11個時期，多達52年，交叉關聯歷史最為悠長。其他具有持續關聯的學科類別中，第二組都是30多年前就與醫學信息學產生交叉關聯關系并一直延續至今，也是關聯年份較長因而關系相對較為緊密的學科。第三組則是醫學信息學在早期、中期、近期的具有較長持續關聯關系的不同學科，可以反映出醫學信息學在不同階段的學科發展特征。第四組是雖有所間斷但關聯年代較多的學科類別，包括“Medicine，General & Internal”和“Information Science & Library Science”，前者在Y1-Y2時期間數量攀升，但到Y4時期驟降到Y8才恢復，并在Y10和Y11期間大幅增加；后者則是在Y3-Y4期間關聯，Y5-Y6期間有所間斷，而后數量有增有減。第五組的6個學科都只在一個時期出現過，體現了相對較弱的關聯關系。其中“Pharmacology & Pharmacy”在近3年數量相對較多且穩定，或許在今后會有更多關聯交叉關系。

3.1.3.3 關聯數量維度

本節關注從記錄數量上反映學科類別間的關聯交叉區別及不同時期的差異。在這批數據集中，與醫學信息學的記錄數量越相近，表明其間的關聯程度越大，投射到具體特定年代上，同樣如此。考慮到數據量的大小，僅選取上述記錄量較大的10個類別進行分析，使用能夠同時展示類別、年代、數量等三維數據的氣泡圖，可以清晰地對比不同類別在不同時期與醫學信息學在數量上的相近程度，進而分析不同學科領域在特定時間段及在整個時間段上與醫學信息學學科的關聯特征(圖3)。

圖3 不同時期醫學信息學與10大關聯學科交叉態勢

以醫學信息學(PT)為參照，在Y1-Y3時期，“Health Care Sciences & Services(HL)”“Computer Science, Information Systems(ET)”與醫學信息學具有等同的交叉關聯程度；在Y2時期二者的文獻記錄數量都比Computer Science, Interdisciplinary Applications(EV)略多；但從Y3開始直到Y9都是EV多于HL、ET，且差距較大；在Y10-Y11期間，HL增幅明顯，高過了EV，成為當期的最高者，即近10年與醫學信息學交叉關聯最緊密。從11個時段的氣泡大小變化的總體趨勢看，EV與醫學信息學的關聯關系相對更加緊密且呈現關聯程度加深之趨勢。

“Engineering, Biomedical(IG)”和“Mathematical & Computational Biology(MC)”先后于Y3、Y4時期同醫學信息學產生交叉，在Y8之前IG都多于MC，與醫學信息學的關聯程度更為緊密，但在之后情況相反。近15年，MC增幅較大，趨勢與醫學信息學發展相近，而IG數量趨于穩定。所以，相對來講，醫學信息學與MC的關聯更加緊密了，與IG的關聯則相對疏遠了。

“Public, Environmental & Occupational Health(NE)”“Statistics & Probability(XY)”、“Medicine, Research & Experimental(QA)”可以歸為一個聚類，同時在Y5時期出現且在7個時期上的變化趨勢相似程度較高。NE在后4個時期都是記錄數量最多，XY和QA則分居其后。從數量維度上看，三者在前6個時期與醫學信息學的關聯是較為緊密的，在最后這個時期則略有淡化。“Computer Science, Theory & Methods(EX)”和“Information Science & Library Science(NU)”的變化趨勢有增有減，EX在Y7和Y11有兩個高值，NU在Y8和Y11有兩個高值，總體趨勢是與醫學信息學關聯由越來越緊密到逐漸淡化和平穩再到逐漸緊密。

3.2 醫學信息學與其六大近鄰學科之學科間關聯交叉分析

本節使用科學疊加圖展示醫學信息學與其6大近鄰學科之學科間關聯交叉關系及態勢。科學疊加圖也叫覆蓋圖，制作好基準圖——科學全景圖(basemap)后，利用數據覆蓋技術將子數據集(機構或學科)通過疊加技術獲得疊加圖(overlay maps)，通過疊加圖可以清楚地展示不同機構或學科在整個科學背景下所處的位置；科學全景底圖依賴于科學出版物的分類、聚類算法和可視化手段，目前得到的全景圖具有高度的穩定性[46，49]。基于特定學科數據的學科疊加圖可以了解某學科在整個科學體系中的研究領域的分布和跨度，由此可以直觀地看出某學科領域的交叉度并識別相似度較高的學科類簇；而利用VOSviewer繪制不同時期的多個科學覆蓋圖，可以進一步分析和對比學科之間的關聯交叉關系及變化趨勢。

3.2.1 數據準備

將表1中前6個學科類別界定為醫學信息學的近鄰學科。鑒于前文已對全時段交叉態勢進行了較為詳盡的分析，這里特別關注2000年以來的十幾年的情況。選取了WOS核心合集的SCI-Expanded、CPCI-S等數據庫，利用WOS的學科分類，檢索7個學科(醫學信息學及其6個近鄰學科)發表的文獻(Article類型)，時間跨度設置分成4個階段，第一個時間段：2000-2003年(111 495篇)，第二個時間段：2004-2007年(163 468篇)，第三個時間段：2008-2011年(201 345篇)，第四個時間段：2012-2015年(256 958篇)。7個學科的研究論文在4個時間段的學科疊加密度如圖4所示。

圖4 7學科科學疊加密度

3.2.2 結果分析

7個學科16年來的文獻集合，基于引用關系涉及了WOS的225個類別中的146個類別，足見7個學科知識覆蓋疆域的廣闊性。VOSviewer學科疊加圖中學科類別的權重用學科出現的次數衡量，出現數量越多，在圖中節點面積越大，通過節點面積的變化可以直觀發現學科的發展態勢。基于引文關系的學科疊加圖通過文獻引用將不同學科關聯起來，可視為不同學科間的交叉發展。

3.2.2.1 學科規模對比

從圖中所展示的節點名稱的顏色深淺(Medical Informatics做了增亮處理)、區域的顏色和大小等維度所反映的學科規模看，2000-2015年間，“Public, Environmental & Occupational Health (公共環境職業健康)”一直居于榜首，除在第二個時間段(2004-2007年)與當期排位第二的“Computer Science, Information Systems”的數量比重較為相近之外，在其余3個時間段都是具有明顯的相對大規模特征，所占比重達到30%左右；“Computer Science, Interdisciplinary Applications(計算機科學，跨學科應用)”與“Computer Science, Information Systems(計算機科學，信息系統)”在第一和第四時間段規模更為相近，在第二和第三時差異相對略大，位序也有變更，第二時期是后者更大，第三時期是前者更大；“Engineering, Biomedical”和“Health Care Sciences & Services”在7個學科中算是中等規模，4個時期的相對比重有增有減，但浮動不大；“Mathematical & Computational Biology”與“Medical Informatics”在第一個時期規模較為相近，但是之后的3個時期二者之間的差別明顯變大。

3.2.2.2 學科關聯對比

從4個時期的密度圖整體對比看，幾個學科間的交叉關聯關系在近10多年間變化不大。具體的細節差異體現在以下幾點：在2000-2003年，“Public, Environmental & Occupational Health(公共環境職業健康)”和“Engineering, Biomedical(生物醫藥工程)”是與醫學信息學互引關系相對最密切的學科；之后的3個時期，醫學信息學與“Computer Science, Interdisciplinary Applications(計算機科學，跨學科應用)”間的互引關聯有所加強并持續關聯，與上述兩個學科略有減弱，圖中產生了間隙，特別是“Engineering, Biomedical(生物醫藥工程)”。在2000-2007年這兩個時期，“Computer Science, Interdisciplinary Applications(計算機科學，跨學科應用)”和“Computer Science, Information Systems(計算機科學，信息系統)”兩個學科都與“Telecommunications”有較為緊密的關聯，但是在后兩個時期有所淡化了；“Engineering, Biomedical”在2000-2003年期間與“Biology”和“Biophysics”關聯較大，在2004-2007年間與“Biotechnology Applied Microbiology”關聯較強，在2008-2012年與“Biochemical Research Methods”關聯較強同時與“Biophysics”恢復較強關聯，與“Radiology Nuclear Medicine Medical Imaging”的關聯僅在2004-2007年相對較為明顯。由于密度圖僅能凸顯部分關聯強度相對較大的關聯關系，所以反映的是一種相對緊密和疏遠關系的變化。

3.3 醫學信息學與典型近鄰學科的知識吸收擴散差異分析

本節采用CiteSpace繪制學科的雙重疊加圖展示對比醫學信息學與典型近鄰學科在知識吸收擴散上的差異。陳超美教授等提出了雙重疊加圖(dual-map overlays)，并將其嵌入到CiteSpace分析軟件中[50]。雙重疊加圖刻畫了施引學科類群和被引學科類群之間的關聯，從這種關聯關系中可以直觀發現考察對象(比如重要文獻的引文集、主題數據集、對比機構等)科研產出成果的知識參照和知識擴散特征。

3.3.1 數據準備

郭婷等[46]研究中利用雙重疊加圖對比分析了“Information Science & Library Science(信息科學與圖書館學)”“Computer Science, Information Systems(計算機科學，信息系統)”“Computer Science,Interdisciplinary Applications(計算機科學，跨學科應用)”3個學科類別在2013年的知識吸收擴散情況。由于這3個學科也是醫學信息學的關聯學科，為了利用較多的學科類別進行對比，本文重用該文獻研究成果，另外搜集“Health Care Sciences & Services”和“Engineering, Biomedical”兩個學科類別在2013年的數據，構成5個學科組成的對比學科群。同時，從數據特征看，醫學信息學在2013年、2014年、2015年這3年的文獻量非常接近(分別為2 458篇、2 464篇、2 463篇)，所以2013年的數據應能較好地展現學科近況。

選取WOS核心合集的SCI-Expanded、CPCI-S等數據庫，利用WOS的學科分類，檢索醫學信息學及其兩個近鄰學科2013年出版的文獻(Article類型)，檢索結果記錄數分別為：“Medical Informatics”(2 458篇)、“Health Care Sciences & Services”(8 029篇)、“Engineering, Biomedical”(10 402篇)。這3個學科類別的雙重疊加如圖5-圖7所示。

圖5 醫學信息學(Medical Informatics)2013年學科知識的吸收擴散疊加

圖6 衛生保健科學與服務(Health Care Sciences & Services)2013年學科知識的吸收擴散疊加

圖7 生物醫藥工程(Engineering, Biomedical)2013年學科知識的吸收擴散疊加

3.3.2 結果分析

3.3.2.1 宏觀分析

用文獻[46]中的3個學科的雙重疊加圖同時對照醫學信息學及5個對比學科，從圖中弧形連接曲線的色彩豐富程度看，醫學信息學(Medical Informatics)、衛生保健科學與服務(Health Care Sciences & Services)、信息科學與圖書館學(Information Science & Library Science)相對另外3個學科較少，說明了它們在知識吸收擴散的跨學科廣度上與其他3個學科存在一定差距。

弧線的數量可以反映學科間知識流動的頻度，數量越多，頻度越大。比較6個學科，雖然衛生保健科學與服務(Health Care Sciences & Services)的曲線色彩不多，但數量較大，特別是博納眾群的綠色線條；生物醫藥工程(Engineering, Biomedical)和計算機科學跨學科應用(Computer Science, Interdisciplinary Applications)的數量也比其余3個學科類別要多一些，說明這3個學科的知識流動體量相對較大。

圖5-圖7右端的圖譜代表的是知識的吸收源，曲線的數量越多表明知識源涵蓋到的范圍越廣，曲線端點的位置和分布的密集程度則反映了學科類別對不同知識吸收源的側重差異。總體來看，幾個學科類別的知識吸收源的范圍都很廣泛，幾乎都涵蓋了右圖譜的所有聚類。具體地講，醫學信息學(Medical Informatics)和衛生保健科學與服務(Health Care Sciences & Services)在圖譜左下方的幾個聚類上端點比較集中，生物醫藥工程(Engineering, Biomedical)和計算機科學跨學科應用(Computer Science, Interdisciplinary Applications)則是相對偏重在圖譜右上方的幾個聚類，其余兩個學科的分布相對較為均衡，表明前兩組學科知識吸收來源相對有所偏倚和側重，更有學科針對性。

圖5-圖7左端的圖譜是知識的擴散區域，曲線特征所反映的擴散信息可以與右端圖譜進行類比。醫學信息學(Medical Informatics)和衛生保健科學與服務(Health Care Sciences & Services)都相對較多地集中于底部，后者的集中趨勢更顯著，前者則相對較為分散地涵蓋到了右側中部；生物醫藥工程(Engineering, Biomedical)突出集中于左側中部；計算機信息系統(Computer Science, Information Systems)明顯地集中于右側中部；計算機科學跨學科應用(Computer Science, Interdisciplinary Applications)分布較均勻，表明不同學科知識應用的重點領域和廣博程度。而知識擴散的疆界映射了學科內涵的豐富程度，醫學信息學在6個學科中處于中等地位。

3.3.2.2 微觀分析

本節重點就本文中的3個學科類別進行微觀層面的分析。

醫學信息學(Medical Informatics)領域文獻所分布的期刊類群主要是“Medicine、Medical、Clinical”，知識來源主要由“Molecular、biology、genetics”“Health、Nursing、Medicine”“Psychology、Education、Social”3個聚類群構成。其次是“Mathematics、System、Mathematical”“Psychology、Education、Health”“Molecular、Biology、Immunology”，這3個類群的知識來源學科覆蓋都非常廣泛且分布較為均勻，由于篇幅所限不予贅述。

衛生保健科學與服務(Health Care Sciences & Services)領域文獻的主要分布類群及其來源學科類群與醫學信息學(Medical Informatics)相同，次要類群中沒有醫學信息學中的“Molecular、Biology、Immunology”，比其多了“Neurology、Sports、Ophthalmology”和“Economics、Economic、Political”。同樣是來源廣泛，不再贅述。

生物醫藥工程(Engineering, Biomedical)領域文獻的主要分布類群中也有上述兩個類別的主要類群——“Medicine、Medical、Clinical”，但其知識來源自“Psychology、Education、Social”類群的數量要比兩者少很多。除此之外，主要類群還有“Physics、Materials、Chemistry”“Molecular、Biology、Immunology”“Neurology、Sports、Ophthalmology”等，體量都比上述兩個類別的相同類別大很多。知識來源類群中，“Molecular、biology、genetics”“Health、Nursing、Medicine”是兩大主力，其知識流供應到了左側幾乎所有分布類群，“Chemistry、Materials、Physics”位居其次，其余類別體量較少，但都比上述兩個學科要多一些。

4 結語

基于眾多學者對醫學信息學學科及其跨學科特征的研究，本文運用多種知識圖譜可視化方法和技術，從單一學科分析及多學科對比等角度，較為全面地展示和分析了該學科的交叉發展歷程及現狀，為其未來發展特別是跨學科方向提供了更豐富的參考和依據。從歷史角度，醫學信息學在早年借助計算機信息系統和攝影領域的先進技術致力于改進生物醫學領域的信息處理及診斷方式，之后不斷地借鑒計算機領域的前沿技術以及信息學、數學、工程等更多學科領域的先進理論與方法，涉足更多的醫學領域應對和解決多個學科多種類型數據、信息和知識的管理和處理等具體問題，推進了醫學大學科的理論延伸及醫療實踐的改進和發展。而這一過程使醫學信息學鍛造并保持了與其他學科交叉關聯的敏銳與活力。值得注意的是，與近鄰學科相比，醫學信息學在學科規模以及知識的吸收擴散跨度上還存在一定的差距，這與學科發展的歷程及所處階段有較大的關系。未來，該學科應該進一步拓寬知識來源，審時度勢地增強與醫學內部學科和其他科學分支學科的交叉，更多更快地借鑒其他學科和領域的先進思想和方法，改進和完善自身學科的理論基礎和研究技術，并進一步增加應用的廣度和深度，壯大學科的規模及影響力。

此外，本文運用多種圖表從不同視角分析展示特定學科的跨學科發展歷程及態勢的方法，相對于現有學科交叉研究更具系統性和完整性。特別是利用時間軸圖、氣泡圖等從關聯的時序、時長和數量級等維度對學科交叉發展歷史的縷析，是對學科交叉發展整個過程的全面綜合剖解與展示，可以為學科的未來發展提供更加詳盡豐富的參考信息，是對現有學科交叉研究的補充，具有一定的新穎性和先進性。同時，本研究定位于從相對較為宏觀和長遠的角度觀察醫學信息學的學科發展歷程和態勢，從學科具體主題的發展演變角度提供更為微觀和翔實的信息，將作為后續研究工作。