我國近10年醫學信息學研究計量分析*

林 鑫 郭進京 李夢園 任慧玲

(中國醫學科學院醫學信息研究所 北京 100020)

1 引言

醫學信息學(Medical Informatics)是在衛生保健和醫學方面應用計算機對數據進行分析和傳播的信息科學領域[1]，是一門發展較快的新興交叉學科[2]。近年來隨著研究范圍的不斷擴大，語義網、大數據處理以及高性能技術的飛速發展，醫學信息學發展迎來更多機遇，研究熱點不斷涌現，新的有價值的研究成果也層出不窮[3]。目前我國醫學信息學的發展越來越走向專業化和國際化，隨著計算機技術的發展和新興技術的出現，不同階段的研究熱點也會發生變化。本文通過對2008-2017年我國醫學信息學領域的外文文獻進行計量學分析，以期掌握該領域的發展情況和研究熱點，為我國醫學信息學研究水平的提高提供理論基礎。

2 數據來源及方法

2.1 數據來源

本研究以Web of Science(WOS)核心合集作為數據源，檢索我國大陸、臺灣、澳門和香港地區發表的醫學信息學研究文獻。檢索策略為((SU=Medical Informa-tics)AND CU=(CHINA OR HONG KONG OR MACAU OR PEOPLES R CHINA OR TAIWAN))，時間限定為2008-2017年，文獻類型選擇“Article”和“Proceedings Paper”進行精煉，檢索時間為2018年5月7日，共檢索到文獻4 726篇。

2.2 研究方法

將全部文獻以純文本的格式導出后直接導入專業數據分析工具TDA，清洗整合后即可進行分析。首先采用定量的方法對近10年我國醫學信息學領域發表的外文文獻基本特征(年度發文量、合作國家、重要發文機構和來源期刊)進行分析，然后利用SPSS 19.0、Ucinet和共詞聚類分析方法歸納我國近10年醫學信息學領域國際發文的研究熱點。

3 結果與分析

3.1 文獻基本特征

3.1.1 年度發文量 科學文獻的數量是衡量科學知識量的重要尺度之一，因此某個領域年代論文量的變化能夠直觀反映出該領域學科發展態勢[4]。近10年我國醫學信息學領域發表的4 726篇外文文獻的年代分布，見圖1。可以發現2008-2011年的年度發文量變化幅度較大，之后進入快速發展時期，年文獻量增長迅速，在2016年達到歷史最高峰。2017年的發文量雖然有所下降，但這并不意味著研究的停滯，一方面可能是由于WOS數據庫文獻收錄尚不完善，另一方面可能是由于醫學信息學領域正面臨新的突破[5]，這也符合學科發展的規律。整體來看10年間我國醫學信息學領域外文文獻發文總體呈逐年上升趨勢，未來也將會受到越來越多學者關注。

圖1 年度發文量趨勢

3.1.2 合作國家 4 726篇外文文獻中與其他國家合作的發文量為1 450篇，占文獻總量的30.68%，作者來自59個國家，具有鮮明的國際合作化特點。與國內研究人員合作發文并且發文量在10篇以上的研究人員國籍信息，見表1?？砂l現近10年與中國合作最多的是來自美國的研究人員，合作發文量為667篇，占與其他國家合作發文總數量的46%，即接近一半的合作文獻都有美國的參與；其次是澳大利亞、英國、新加坡和加拿大等國家。

表1 合作國家(合作發文量≥10篇)

3.1.3 重要發文機構 在WOS數據庫中對中國研究者的姓名進行區分時，由于存在中文同音不同字但英文簡寫相同等現象，因此具有很大難度。為降低研究誤差不對發文作者進行統計，而是將發文機構作為研究對象，對機構近10年的總發文量進行分析。這些文獻中共涉及國內外機構2 191所，其中發文量在60篇以上的23所機構,見表2?？梢园l現這23所機構發文量共占總發文量的51.03%。在這23所機構中中國大陸的研究機構有12所，發文量占27.42%；臺灣地區的研究機構8所，發文量占16.93%；香港地區的研究機構3所，發文量占6.69%。從發文機構的性質來看主要集中在大學。在此研究范圍內可以看出2008-2017年間中國大陸的科研成果可以作為我國醫學信息學國際發文的重要來源。

表2 重要發文機構統計(發文量≥60篇)

3.1.4 來源期刊 統計近10年我國醫學信息學領域外文文獻的期刊收錄和國際會議收錄情況可以發現其分布廣泛，共包括外文期刊和國際會議381種，涉及醫學信息學、計算機和醫學統計等多個領域。收錄文獻數量在15篇以上的21種外文期刊以及這些期刊的2017年影響因子,見表3。在這21種期刊中有18種屬于2017版《期刊引用報告》(JournalCitationReports，JCR)[6]中醫學信息學類目下的25種國際高影響力期刊。一般情況下期刊影響因子、論文影響力與論文的被引頻次呈正相關，即在高影響因子期刊上的論文其國際影響力相對較高[7]。這21種期刊的2017年影響因子在醫學信息學領域大部分相對較高，在一定程度上說明2008-2017年我國醫學信息學領域的外文期刊文獻普遍具有較高的國際影響力。

表3 發文外文期刊(載文量≥15篇)

注：“-”表示在JCR中沒有查到2017年影響因子

3.2 研究熱點

3.2.1 關鍵詞詞頻統計 利用TDA軟件對4 726篇文獻進行統計，共得到12 530個關鍵詞。使用TDA軟件的List Cleanup功能對這12 530個關鍵詞進行自動清理，合并同根詞、同義詞、近義詞、單復數形式，結合人工進行篩選和處理。同時結合醫學信息學主題刪除沒有實質意義的詞以及一些區域性詞匯。經過處理共得到關鍵詞11 916個。關鍵詞最高頻次為105，選擇詞頻不少于16次的55個關鍵詞作為聚類分析的基礎，見表4。

表4 發文關鍵詞統計(詞頻≥16次)

續表4

3.2.2 關鍵詞聚類 使用TDA軟件生成關鍵詞55×55共現矩陣，使用Ochiia系數[8]將共現矩陣轉換成相似矩陣，但由于相似矩陣中的0值過多，統計時容易造成誤差，因此用1和全部相似矩陣數據相減得到關鍵詞的相異矩陣，見表5。將關鍵詞的相異矩陣導入SPSS 19.0軟件中，利用系統聚類、離差平方和法對關鍵詞進行聚類分析，得到聚類樹狀圖,見圖2。在高頻關鍵詞共現矩陣的基礎上運用Ucinet軟件繪制高頻關鍵詞共現網絡，見圖3。圖3中的節點表示關鍵詞，節點之間的連線表示節點所表示的關鍵詞在同一篇文章中共現。節點越大，關鍵詞出現的頻次越大；連線越粗，關鍵詞共現次數越多。根據樹狀圖以及關鍵詞共現網絡，結合相關文獻，將55個高頻主題詞分成6類，分析各個類內主題詞之間的語義關系，可得到2008-2017年我國醫學信息學領域外文文獻的6類研究熱點。

表5 關鍵詞相異矩陣(部分)

圖2 發文研究熱點聚類樹

圖3 發文關鍵詞共現網絡

3.2.3 6類研究熱點 第1類：電子健康檔案及遠程醫療的相關隱私保護和安全管理(包括關鍵詞6、22、21、16、9、43、20、2、48、33、35)。涉及的技術和方法主要有用戶認證、智能卡技術和無限射頻識別技術。如2012年Hsu CL等[9]對基于智能卡的電子處方安全與隱私保護系統進行研究。Kuo KM等[10]于2017年利用結構方程模型進行分析，提出能夠潛在阻止護士違反電子健康檔案隱私政策的策略。第2類：文本挖掘在生物醫學領域中的應用(包括關鍵詞14、31、13、30、29、47、11、55)。文本分類作為文本挖掘的基本任務之一，Yao L等[11]于2017年對中醫臨床文本分類的不同類型的特征以及分類算法效果進行研究，并提出一種將深度學習文本表示與中醫領域知識相結合的文本分類新方法，通過對中醫臨床記錄進行文本分類的實證研究發現該方法比傳統方法性能更優。第3類：機器學習方法在輔助臨床疾病的診斷、治療和臨床決策中的應用(包括關鍵詞8、52、26、1、4、3、17、38)。涉及的機器學習方法包括遺傳算法、支持向量機、粒子群算法等。如Peng L等[12]于2016年將最先進的生命科學研究與人工智能集成，并提出了一種半監督學習算法來對乳腺癌進行自動診斷。2017年Gu D等[13]提出將遺傳算法應用于基于案例的推理(Case Based Reasoning，CBR)分類法，該方法在乳腺癌診斷中具有很大的應用潛力。第4類：計算機技術在臨床管理系統、醫院信息系統和護理系統研發與管理中的應用(包括關鍵詞24、45、15、27、5、50、12、10、32)。如2012年Xie M等[14]介紹多維度心音數據庫的開發；Qin Y等[15]于2017年介紹重癥監護信息系統在國內的開發和應用情況。第5類：生物信息學方法在蛋白質相互作用預測中的應用(包括關鍵詞42、49、23、7、19、41、46、28、44、25、39、54)。如2016年Teng Z等[16]開發一種利用基因本體術語預測蛋白質功能的新方法，實驗結果證實該方法有效。第6類：醫學圖形圖像的識別與處理研究(包括關鍵詞40、53、37、18、34、36、51)。如Chen YW等[17]考慮到以往的醫學圖像匹配方法僅具有理論意義且時間復雜度太高，于2011年提出一種用于匹配大量MR圖像的并行處理模型，實驗表明該模型不僅效果優于現有方法，同時還具有更快的運行時間。Liu XB等[18]于2015年提出一種基于FIsher準則和遺傳優化的新特征選擇方法，以解決肺部疾病CT征象的識別問題，實驗證明此方法具有較高識別效率。

4 結語

醫學信息學作為一門新興交叉學科，目前正處于快速發展階段?；仡欋t學信息學的內涵和發展歷程有助于理清其發展面臨的問題和趨勢。本文采用文獻計量學方法對2008-2017年我國醫學信息學領域發表的外文文獻從年度發文量、合作國家、重要發文期刊、來源期刊以及研究熱點進行分析，以期為我國醫學信息學領域研究提供參考。