基于文獻計量學的虛擬現實和人工智能在醫學教育中的應用

封 純,呂萍萍,金 敏

(1.浙江大學醫學院附屬第二醫院生殖醫學科,浙江 杭州 310018;2.浙江大學醫學院附屬婦產科醫院IVF實驗室,浙江 杭州 310006)

虛擬現實(virtual reality,VR)是一種基于交互式三維可視化的通信界面,它允許用戶與模擬現實世界的不同感官輸入進行交互和集成,1991年首次引入外科手術教學[1],現廣泛用于醫學解剖、手術操作培訓、情景模擬、虛擬課堂、虛擬實驗室、遠程醫療教育等[2-3],有助于激發學習興趣,提高教學質量[4-6],促進跨專業教育的發展[7]。人工智能(artificial intelligence,AI)是處理計算機模擬智能行為的一個計算機科學分支[8],目前AI已應用于醫學教育領域[9],輔助臨床思維培養和訓練[10],協助醫學考試測評[11]。當下,VR與AI在醫學教育領域的應用處于快速發展階段,但在我國起步較晚,有必要借鑒吸收國際先進經驗。本研究采用文獻計量學方法,深入了解該領域的發展趨勢和結構模式,探討其主要貢獻及影響其發展的科學領域,從而分析國內外VR &AI在醫學教育中應用的差距,探索未來研究方向。

1 資料和方法

1.1 數據來源及檢索策略

英文文獻來自Web of Science 核心合集(Web of Science Core Collection,WoSCC),中文文獻來自中國知網(China National Knowledge Infrastructure,CNKI),WoSCC和CNKI是使用最廣泛的英文和中文科學文獻數據庫。在WoSCC中采用主題詞檢索,檢索策略:(“virtual reality” OR “artificial intelligence”) AND (education OR teach*) AND (medicine OR medical),限制語言為英語。在CNKI中采用主題詞檢索,檢索策略:(虛擬現實 OR人工智能) AND 教育 AND 醫學,限制語言為中文。二者均選擇時間跨度:2002年1月1日—2021年12月31日;文獻類型:論文或綜述論文。數據在2022年7月24日收集,排除重復的文獻及與主題不相關的文獻,以文本文件格式提取數據集中所有文獻的數據字段。

1.2 研究方法與研究工具

采用HistCite分析發表文獻的國家/地區,并分析其主要機構,其中CNKI數據采用VOSviewer分析。利用CiteSpace進行期刊dual-map分析,探索施引期刊和被引期刊之間的引文關系。采用pajek領域疊加工具包生成在全球科學覆蓋圖中的位置并使用 VOSviewer 可視化。利用VOSviewer對共關鍵詞網絡進行分析,得到研究的主題聚類和趨勢。應用CitNetExplorer構建直接引文網絡,展示文獻聚類和研究進展。最后,對結果進行解釋(見圖1)。

圖1 VR &AI在國外和國內醫學教育領域應用的文獻計量分析流程圖

2 結果

2.1 論文產出比較分析

自2002-2021年共20年間,WoSCC中發表文獻1 747篇,CNKI中發表文獻359篇 。如圖2A所示,WoSCC中每篇文獻的相關作者、雜志、關鍵詞數量均多于CNKI中的文獻,WoSCC對照CNKI中平均每篇論文作者數量分別為4.6,3.0人,雜志數量分別為0.4,0.5本,關鍵詞數量分別為1.8,2.0個。VR &AI在醫學教育領域的應用在2017年后快速增長,尤其在WoSCC數據庫中2019年后每年發文量增長均在50%左右(見圖2B)。在CNKI數據庫中,2017—2021年這5年中發文量占總發文量的近70%,在WoSCC數據庫中也占到了65%以上,近3年即2019—2021年占50%以上(見圖2C)。

圖2 VR &AI在國內外醫學教育領域的應用的文獻信息及發文量A.文獻數據基本信息。B.每年發文量。C.累計發文量。

國家/地區排名中,美國研究人員發表的論文數量最多(n=645),其次是英國(n=246)和加拿大(n=183),見表1?？偙灰l次(total citation score,TCS)和平均被引頻次(average citation score,ACS)是衡量論文影響力的指標。美國(TCS=21 160)的總被引頻次最高,其次是加拿大(TCS=6 706)和英國(TCS=6 673)。每篇論文被引頻次加拿大(ACS=36.64)排名第一,其次是美國(ACS=32.81)和荷蘭(ACS=30.31)。中國總發文量排名第五,但總被引頻次不高,尤其是平均被引頻次較低,ACS=30.31。在機構排名中,多倫多大學發文量63篇排名第一,其次是哈佛大學(n=43)和哥本哈根大學(n=34)。多倫多大學的總被引頻次和平均被引頻次均位居第一。中國機構排名未進入前十。

表1 VR &AI在醫學教育領域應用研究中發文量最多的10個國家/地區和機構

2.1.3 期刊產出分布

使用VOSviewer獲得排名靠前的高產與高被引期刊(見表2)。國外的文獻主要發表在“醫學、臨床醫學”類型的期刊上,“Anatomical Sciences Education”“Journal of Surgical Education”和“Surgical Endoscopy and Other Interventional Techniques”是排名前三的期刊。主要引用的文獻來自“健康、護理、醫學”和“心理、教育、社會”領域,“Surgical Endoscopy and Other Interventional Techniques”“Anatomical Sciences Education”和“Educational Media International”是引用量排名前三的期刊。而我國的文獻則主要發表在醫學教育相關的期刊上,《中國醫學教育技術》《中國高等醫學教育》和《繼續醫學教育》是發文量排名前三的期刊,臨床醫學專業期刊較少。

表2 VR &AI在國內外醫學教育領域應用研究的高產和高被引雜志

論文發表于WoS中248個期刊分類中的135個類別(圖3),其中發表文獻最多的分類為手術、教育科學學科、衛生保健及科學服務、放射學、核醫學、醫學影像學、普通內科醫學、教育研究、醫學信息學、臨床神經病學、和泌尿外科及腎臟內科。全球科學覆蓋圖可分為五個聚類:#1 生物學和醫學、#2 化學和物理學、#3 生態和環境科技、#4 工程和數學、#5 心理學和社會科學[12]。VR &AI在醫學教育領域應用研究的論文主要發表于#1生物學和醫學和#5心理學和社會科學。

圖3 VR &AI在醫學教育領域應用研究在全球學科覆蓋圖中的定位

雙圖疊加在全球期刊科學地圖上展示施引期刊和被引期刊的分布,以及它們之間的引文鏈接。在圖4中,左側橢圓的大小顯示施引期刊的論文和作者數量,右側顯示被引期刊的被引頻次。線條的粗細與Z分數的引用頻率成正比,表示分析中科學領域之間的聯系強度。VR &AI在醫學教育領域應用研究有2種主流引用路徑,即主要發表在“醫學、臨床醫學”類型的期刊上,主要引用 “健康、護理、醫學”(Z分數=10.04)和“心理、教育、社會” (Z分數=2.21),與“系統、計算、計算機”關系并不密切。

圖4 VR &AI在醫學教育領域應用研究的雙圖疊加左側為施引領域,右側為被引領域;映射了324種施引期刊和16 602種被引期刊。

2.2 研究熱點分析

用VOSviewer創建關鍵詞共現網絡,在WoSCC數據庫中,5 663個關鍵詞中出現頻率≥5的有464個,在CNKI數據庫中,716個關鍵詞中出現頻次≥5的有33個,選擇出現頻率≥5的關鍵詞構建關鍵詞共現網絡(圖5),出現頻率最高的關鍵詞列于表3。

表3 VR &AI在醫學教育領域應用研究的前20個關鍵詞

WoSCC數據分為3個聚類(圖5A)。聚類1為VR在醫學各學科的應用,包含180個關鍵詞,位于圖譜右側,平均出版年份最早,包含虛擬現實、增強現實、手術、模型、技能、培訓、模擬、住院醫師、學習曲線等關鍵詞,覆蓋關節鏡、支氣管鏡、內窺鏡、腹腔鏡、心肺復蘇、婦產科學、放射介入、眼科學、泌尿外科等學科。聚類2為VR與醫學教育,包含105個關鍵詞,平均出版年份較新,包含醫學教育、模型、3D打印、解剖教學、計算機輔助、住院醫師教育、手術模擬等。聚類3為AI與醫學教育,包含179個關鍵詞,位于圖譜左下方,平均出版年份最新,近年來熱度較高,包含人工智能、機器學習、醫學教育、分類、深度學習、決策、大數據、放射學、遠程醫療。CNKI數據主要分為2類(圖5B),聚類1為VR與醫學教育,位于圖譜左下方,平均出版年份較老,高頻關鍵詞包括醫學教育、虛擬現實、虛擬手術、虛擬實驗室、增強現實等。聚類2為AI與醫學教育,位于圖譜右上方,平均出版年份較新,包含人工智能、教學改革、智能醫學等。

2.3 研究的演變

根據施引論文的本地引文創建直接引文網絡,通過引文鏈接展示研究的演變。每個節點代表施引論文,標簽為第一作者的姓氏,連線代表每篇施引論文之間的引文關系。前50篇被引用的VR &AI在醫學教育領域應用研究論文(表4)的直接引用情況見圖6A,文獻可分為4個聚類。聚類1“VR與外科手術教育”包含489篇文獻,出現時間較早,2016年后無文獻發表(圖6B)。聚類2“VR與解剖學教育”包含384篇文獻(圖6C),聚類3“VR與模擬在醫學教育中的應用”包含103篇文獻(圖6D),聚類2和聚類3出現時間早,持續時間長,在2019年后明顯減少。聚類4“AI與醫學教育”包含101篇文獻,在2018年出現并大量爆發,是最為活躍的研究領域(圖6E)。

表4 VR &AI在醫學教育領域應用研究引用排名前10的論文

圖6 VR &AI在醫學教育領域應用研究的直接引文網絡A.被引用次數最多的前 50 篇論文的直接引文網絡。B.VR與外科手術教育。C. VR與解剖學教育。D. VR與模擬在醫學教育中的應用。E. AI與醫學教育。

3 討論

近20年來醫學教育領域中VR &AI的應用在國內外均持續增長,2017年增長加速,國內外發文量的一半以上均發表于近3年。2017年論文數量的增加更多源自AI研究,究其原因,近年來各國都看到了AI在自然科學領域的巨大潛力,加速布局AI研究,2015年美國發布“美國國家創新戰略”將與AI密切相關的精密醫療、衛生保健、教育技術等9大領域作為優先發展對象;2016年歐盟公布了神經信息平臺、大腦模擬平臺供AI研究者使用,以促進神經科學、醫學和計算機學的合作研究;我國2016年出臺《“互聯網+”人工智能三年行動實施方案》以打造AI基礎資源與創新平臺[13]。國外發文量為我國國內的5倍左右,提示世界范圍內VR &AI在醫學教育領域的應用較之我國國內發展更為迅猛。中國總發文量排名第五,平均被引頻次較低,中國機構排名未進入前十,提示研究質量還有較大的提升空間,需要密切跟蹤世界范圍內的先進研究,提高VR &AI在醫學教育領域應用研究的數量和質量,在VR &AI快速發展的階段,抓住全球快速發展的機遇,爭取后來居上。近年來,我國學者也發表了一些高質量論文,如西北工業大學王鵬在Robotics and Computer-Integrated Manufacturing總結了基于增強現實和混合現實的遠程協作在醫學教育等領域的重要作用[14]。

通過比較國內外文獻關鍵詞,表明在國內外研究中VR和AI雖然有融合,但仍是聚類的兩大分支,醫學教育、人工智能、虛擬現實、增強現實等關注度都很高。國外相關研究更為全面和深入,比如VR在內窺鏡領域的應用,包括腹腔鏡[15]、關節鏡[16]、胃腸鏡[17]、內鏡[18]、支氣管鏡[19]等。比如在AI分類下,關于AI的具體組成成分,包括決策[20]、機器學習、深度學習[21-23]、大數據分析[24]等。研究包括:大數據分析和機器學習算法輔助臨床決策和預測手術結果[20],機器學習和深度學習用于口腔科診斷和治療[21],采用深度學習改進診斷成像模式[22],通過預測、分類、回歸、診斷、監控等機器學習來完成復雜任務,支持生物醫學、神經科學或機器人技術等多個研究領域[23]?？傊?國外VR &AI在醫學教育中應用的研究相對成熟,細分至醫學的亞?？?而我國的研究多為概括的醫學教育相關的初步研究,可在已有的AI分支及應用領域的基礎上,進行更深入的探究。

綜合關鍵詞聚類和直接引文網絡研究結果提示,手術教學、解剖學教學、和模擬是VR在醫學教育中應用的三大方面。高被引論文中大多是VR相關的,50篇高被引論文中46篇研究VR的應用,僅有4篇文獻是AI相關的。其中,被引次數最多的文獻2006年發表于New England Journal of Medicine,領域內共被引108次,明確指出VR技術在增強外科技能培訓方面的潛力,VR提供了非常詳細的反饋機會,可更細致地衡量學員的表現精確度、準確性以及錯誤率[25]。AI旨在執行傳統上需要人工完成的任務,機器學習是應用于AI的計算機算法,能夠進行自動學習和數據推斷,可以結合不同的學習算法,其中人工神經網絡和深度學習最常見,人工神經網絡用于分析輸入并分配合適的權重來預測結果,深度學習使用多級人工神經網絡進行非線性數據處理[26]。AI應用研究中被引次數最多的論文發表于2019年,領域內被引28次,該研究評估本科醫學生對放射學和醫學領域AI的態度[27]。

本研究存在一些局限性。首先,只搜索WoS核心數據庫,而沒有搜索Scopus、PubMed等常用數據庫,可能遺漏一些相關文獻。其次,由于沒有考慮論文的質量,結果的質量難以評估。

4 結語

本研究通過文獻計量學分析比較國內外VR &AI在醫學教育中應用的發展趨勢、科學領域及研究熱點,結果提示國外VR &AI在醫學教育中應用的研究成果涉及更廣泛的領域,對我國的研究有較強的借鑒意義。目前VR在醫學教育中的應用集中于手術教學、解剖學教學和模擬,可進一步拓展延伸,深入挖掘。AI在醫學教育中的應用是近年來最活躍的研究領域,其分支包括決策、大數據、深度學習等,應抓住機遇全力發展。