人工智能技術的學科多樣性及其與生物醫藥領域的融合發展

蔡永蓮　彭顥舒

摘要：人工智能的學科多樣性及其融合發展趨勢，對認識學科數字化智能化發展特征、發現學科交叉融合發展的規律并指導相關學科領域更廣泛地數字產業化應用有著重要的價值和指導意義。利用LoetLeydesdorff等提出的學科多樣化測評指標體系對人工智能技術的學科融合發展態勢進行測度，并進一步分析了人工智能與生物醫藥領域的融合。發現：人工智能技術與 Web of Science 數據庫中其他學科領域的交叉融合在近10年隨時間加速擴展；而且在254個 WOS 的學科分類當中，有106個學科分類與人工智能領域有交叉，其中有近1/3的學科方向與生物醫藥相關。通過進一步分析和專家訪談發現，人工智能與生物醫藥領域的融合發展推動了數據分析預測、藥物研發與個性化醫療、醫學影像分析、基因組學和蛋白質組學研究以及健康管理和預防等領域的發展。

關鍵詞：WOS 分類；人工智能；生物醫藥；學科融合；學科多樣性

中圖分類號：TP 391文獻標志碼：A文章編號：1009?895X（2023）03?0330?07

DOI：10.13256/j.cnki.jusst.sse.230410166

The Disciplinary Diversity of Artificial Intelligence and Its Conver- gence with Biomedicine

CAI Yonglian1，PENG Haoshu2

（1. University of Shanghai for Science and Technology Office of Principal， Shanghai 200093， China;2. CASICCB Shang- hai Advance Research Institute， Chinese Academy of Sciences， Shanghai 201210， China）

Abstract：Disciplinary diversity and convergent development trends of artificial intelligence is significant for understanding the characteristics of digitalization and automation development， discovering the laws of interdisciplinary integration and guiding the broader applications in digital industrial fields. This paper choosestheevaluationindexsystemproposedbyLoetLeydesdorffetal. tomeasurethetrendof disciplinary convergence in artificial intelligence technology， and further analyze its convergence with biomedicine. The results show that cross-disciplinary integration between artificial intelligence technology and other disciplines in the Web of Science database has been expanding rapidly over the past decade， and among the 254 subject categories in the WOS， 106 subjectcategorieshaveintegrationwithartificial intelligence， of which nearly one-third are related to biomedicine. Further analysis of expert interviews indicates that the convergent development of artificial intelligence and biomedicine has promoted the such area development as data analysis and prediction， drug discovery and personalized medicine， medicalimage analysis， genomics and proteomics research， and health management and prevention. Moreover， China's institutions conducting interdisciplinary research on artificial intelligence and biomedicine are at the forefront in terms of scale.

Keywords：WOSCategories ； artificialintelligence ； biomedicine ；disciplinary integration；disciplinary diversity

第四次工業革命在中國興起，從信息化到數字化、在線化，發展到智能化、智慧化[1]。“數智化”已經成為這個時代的重要特征，而數智化技術中最具有代表性的便是人工智能技術。人工智能是研究開發能夠模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的一門新的技術科學[2]，從21世紀初以來經歷了前所未有的發展，特別是2010年之后出現了井噴式發展。

近年來，一些針對人工智能技術多樣性的研究為掌握人工智能技術發展的規律、特點、應用和趨勢提供了有益的參考。有研究探討了人工智能學科的多樣性，包括跨學科合作、科學團隊的演化、學術出版商的影響等方面[3?4]；也有研究從不同角度探討人工智能學科多樣性必要性的觀點，包括學科交叉對話的重要性、人工智能政策和倫理等方面的討論[5?6]；還有研究對人工智能研究學科多樣性研究的方向進行探討，指出人工智能應與其他學科相互促進的同時需要不斷發展新的評估方法[7]。

人工智能在全球范圍內呈現出多學科交叉融合發展的趨勢，眾多研究都表明人工智能已經廣泛融入到包括工程學、會計學、金融學、醫學、農學、圖書館學乃至音樂等在內的諸多領域。研究人工智能的學科多樣性及其與其他領域融合發展的特征具有重要的意義。本文對 WOS 數據庫中人工智能領域2011?2020年的文獻及其學科分類進行文獻計量分析，利用VOSviewer分析軟件以及Loet Ley- desdorff等提出的學科多樣化測評指標體系對人工智能技術的學科多樣性進行評估，并重點分析人工智能與生物醫藥領域的融合態勢。

一、研究方法

Andy Stirling 在其研究中將學科多樣性的3個關鍵屬性定義為豐富性（學科的數量）、均衡性（各學科分布均勻性）、離散性（學科之間差異程度）[8]。LoetLeydesdorff等則用多樣性、中心度和引文等來測度期刊的跨學科交叉度，并在2019年提出了使用包括 Rao-Stirling 多樣性、相對學科數目和基尼系數來測度學科豐富度、均勻度和差異度的三維指標[9]。科睿唯安在其《全球研究報告?研究布局中的學科多樣性：是什么、如何量度及其在創新中的作用》中，用基尼系數揭示了各國學科多樣性在創新研究中的作用，并指出學科多樣性能夠提供重要的創新優勢[10]。黃穎等也針對各類測度跨學科特征的指標體系進行了梳理，并提出了外部知識融合、內在知識會聚與科學合作模式的跨學科三維測度體系[11]。這些工作為人工智能領域的學科融合研究提供了有益的方法。

（一）研究思路

為了更加深入、全面地洞察全球范圍內人工智能的學科多樣性及其與生物醫藥領域的融合，參考上述研究方法，本文分以下三大板塊進行分析。

第一部分，用 Web of Science 學科分類（以下簡稱 WOS 分類）中的 Computer Science， Artificial Intelligence 檢索出2011?2020年與人工智能相關的文獻數據，通過 WOS 自帶的分析功能提取出每一年度相應文獻所涉及的 WC 分類號。

第二部分，利用LoetLeydesdorff提出的學科多樣性指標體系對人工智能領域2011?2019年相關文獻的 WC 分類進行評估。該方法使用了LoetLeydesdorff提出的 wc19.exe 工具，它是基于全局學科距離的學科多樣性指標計算工具，將該工具計算出的結果在VOSViewer中進行可視化呈現，以獲得人工智能與生物醫藥領域融合的網絡圖譜。

第三部分，通過VOSViewer中人工智能相關文獻的 WC 分類聚類，進一步挖掘人工智能與生物醫藥領域的關系，利用 Derwent Data Analyzer 進一步對人工智能生物醫藥相關領域的研究方向等進行分析。

（二）數據來源及分析工具

人工智能的核心學科是計算機科學，為最大限度地避免遺漏，本文在 Web of Science（classic）核心合集數據庫中用高級檢索對 WC 分類①下的人工智能領域（WC=computer science & artificialintelli- gence）數據進行檢索。由于 WC 分類與期刊之間是多對多的關系，為研究學科融合提供了可能。將時間跨度設置為2011?2020年，然后對檢索的文獻類型選擇了 Proceedings Paper ， Article ， Editorial Material ，Review ，Early Access 進行精煉，排除了其余數量極低的文獻類型，共計得到513601篇文獻索引。

依據LoetLeydesdorff的學科多樣性測度指標體系，對人工智能領域發展的學科多樣性進行分析，并利用VOSviewer對數據所覆蓋的學科分類進行分析。LoetLeydesdorff用于評估學科交叉融合度的測度體系見表1。

二、人工智能的 WOS 學科多樣性分析

WC 是對 WOS 核心合集中的記錄來源出版物（期刊、書籍等）所進行的學科分類，同時一條記錄可以分配給多個類別。本文對所篩選數據的107個 WC 分類進行分析。

（一）人工智能文獻的 WC 分類及其發展態勢

1.人工智能學科2011?2020年出版文獻的 WC 分類分布

通過 WOS 自帶的引文分析功能可以看到，在 WC 分類下的254個學科中，人工智能與其他106個 WC 學科形成了交叉融合，包括工程學科、醫學學科、自然科學、社會科學和交叉學科，說明整體上人工智能已經較為廣泛地向其他學科滲透。學科融合最緊密的前十位學科包括電子電氣工程、計算機科學理論方法、計算機科學信息系統、計算機科學多學科應用、自動化控制系統、機器人、計算機軟件工程、計算機科學控制論、成像科學攝影技術以及運籌學管理科學。此外，人工智能融合度最高的學科主要分布在工程學和生物醫藥領域。

2.人工智能文獻的 WC 分類發展趨勢變化分析

（1）人工智能領域文獻所覆蓋的 WC 分類隨時間變化趨勢

將人工智能領域2011?2020年文獻數據的 WC 分類數量按照年度進行統計，結果見圖1。由圖1可以看出，人工智能領域文獻的 WC 分類數量隨著年度變化整體呈現上升的趨勢。在2011?2015年期間，WC 分類數量基本在40左右徘徊，此時的人工智能與不同學科的融合態勢較為平穩；而在2016?2019年期間，數量連續增加，說明與人工智能交叉融合的學科呈現擴散的態勢，學科融合整體上是不斷擴大和深化的。

（2）人工智能領域文獻所覆蓋的 WOS 學科分類與其他學科融合的擴散趨勢

對人工智能領域2011?2020年間的文獻就每年新增的 WC 分類進行總結，結果如表2所示。

通過對2011?2020年間人工智能領域文獻的 WC 分類變化分析，可以發現人工智能與其他學科的融合在初期主要發生在工程學、自然學科領域；2011?2015年間的學科融合發展比較平穩，主要向社會科學、生命科學、醫學等領域擴散；2016?2020年間，人工智能領域發展進入新的高峰，文獻覆蓋的 WC 分類大幅增長，并且重點向生物醫藥、熱門自然科學領域融合，同時在社會科學、藝術學領域的學科融合呈現加速趨勢。

（二）人工智能學科分類的學科多樣性評估

1.學科豐富度、均勻度和差異度三維指標評估

為了考察人工智能領域的學科多樣性，更好地觀察和分析這些學科分類與人工智能的關系，本文采用LoetLeydesdorff開發的學科多樣性測度工具 WC19.exe ，在剔除 Computer Science ，Artificial In- telligence這個分類后，對人工智能領域2011年?2019年②文獻的 WOS 分類進行分析，并用 VOS- viewer 對上述與人工智能相關的學科分類進行可視化處理，獲得相關學科分類之間的網絡圖譜，利用上述數據，根據LoetLeydesdorffe的學科多樣性指標，得到的計算結果如表3所示。

從表3數據可以看出，與人工智能領域交叉融合的其他學科分布廣泛，但均勻度較低，在工程、醫學等領域的交叉程度高，在社會科學等領域的交叉呈星星之火的態勢。這也印證了前述學科分類總體覆蓋和分部情況的統計結果，相融合的學科之間差異度相對較高。

2.基于文獻的人工智能與 WC 分類融合聚類

將上述數據導入VOSviewer，我們還可以得出與人工智能相關的學科分類形成了四個聚類：一是在工程、化學、材料、物理學、數學和計算機交叉學科等自然科學領域；二是生物醫藥類的相關學科和跨學科研究領域；三是聚類涵蓋了經濟、商業、歷史、人口、社會科學、心理學、城市規劃、發展學等人文社科類學科；四是涵蓋了音樂、動物學、植物學、海洋、土壤等跟人工智能的學科距離更遠的分類。

生物醫藥領域是與人工智能融合發展的重要領域，也是對人類社會影響深遠的領域，研究人工智能與生物醫藥領域融合發展趨勢有利于推動醫療模式創新，提升醫療質量和安全性，加速新藥研發和藥物篩選，以及實現智能健康管理和預防。因此，本文將對人工智能與生物醫藥領域的學科融合發展進行進一步的分析。

三、人工智能與生物醫藥領域的學科融合及其應用

（一）人工智能技術與生物醫藥的學科融合發展態勢

進一步聚焦到生物醫藥聚類，分析人工智能技術與生物醫藥領域學科交叉的發展情況，可以發現以下發展態勢。

（1）人工智能技術與生物醫藥領域的融合涉及面廣泛。2010年以來，人工智能在生物醫藥領域的融合發展越來越突出，并推動了精準醫學的發展。通過整合多種數據源，包括基因組數據、臨床數據、生活習慣數據等，人工智能可以提供更加個性化和精準的醫療方案。此外，人工智能在藥物研發、醫學影像解讀和基因編輯等方面也取得了重大進展。

（2）人工智能技術與生物醫藥領域的交叉融合節點不斷增加，說明相關的學科分類及在這些分類下的成果（文獻）在不斷增加，且2016年后融合的速度在加快。

（3）人工智能技術與生物醫藥學科的融合從工程生物醫學、計算生物學、生物學、放射醫學、神經科學、醫學信息學等生物醫藥領域生命周期偏早期的研究學科逐步擴展到神經影像、健康醫學服務、手術、運動醫學、行為科學、康復科學、腫瘤醫學、醫學實驗室技術等應用領域。即人工智能為生物醫藥相關學科的智能化發展，從基礎研究到應用開發提供了強大的方法和工具，推動著生物醫藥領域的變革。

（二）人工智能技術與生物醫藥學科融合的文獻計量分析

將前述2011?2020年間人工智能領域的文獻數據導入 Derwent Data Analyzer 進行分析可以發現，統計“研究方向③”字段中的“生命科學與生物醫學”領域相關文獻，發現屬于該方向的文獻涉及的研究方向分類包括21個，占到了整體數據所涉及的總體66個研究分類的近30%，足見人工智能與生物醫藥領域已經產生了深度的交叉融合。從中還可以看出，在生命科學與生物醫學分類下，農業、行為科學、腫瘤學、醫學信息學、醫學實驗室技術、數學和計算生物學、神經科學和神經病學、公共事業、環境和職業健康、放射學、核醫學和醫學成像、康復、研究和試驗醫學、生物化學與分子生物學、生物物理學、生物工程學和應用微生物學、心血管系統和心臟病學、老年病學和老年醫學、衛生保健科學和服務、整形外科以及運動科學等學科，都應用到了人工智能的技術，并且相互之間也存在交叉融合。

在人工智能和生物醫藥交叉的研究領域中各生物醫藥相關學科發文的多寡如圖2所示。其中神經科學、放射學、核醫學和醫學成像、數學與計算生物學以及醫學信息學等領域的研究活動積累最多。神經科學與人工智能的交叉研究非常活躍。這涉及到將人工智能技術應用于神經系統的研究，例如腦機接口、神經網絡模型等。其次，人工智能在醫學圖像分析、疾病診斷和影像重建等方面發揮著關鍵作用；數學和計算生物學與人工智能交叉的研究主要包括利用數學模型和計算方法來研究生物系統、模擬分子交互以及分析大規模生物數據等，醫學信息學與人工智能的結合有助于數據管理、臨床決策支持和健康信息系統等方面的研究。此外，腫瘤、農業、運動科學、生物物理等領域的人工智能交叉研究剛剛起步。

為更好地理解人工智能技術對上述領域的發展有哪些促進和創新，本文基于上述分析結果，通過專家訪談，總結出人工智能促進生物醫藥領域發展的以下五個重大方向。

（1）數據分析與預測：人工智能可以處理和分析大規模的生物醫學數據，如基因組數據、生物標記物數據和醫學影像數據，從中挖掘出有價值的信息，用于疾病預測、診斷和治療的決策支持。相關技術包括機器學習、深度學習、數據挖掘等。

（2）藥物研發與個性化醫療：人工智能可以加速藥物研發過程，通過虛擬篩選、藥物設計和優化等技術，提高新藥研發的效率和成功率。同時，結合個體化的基因組信息和臨床數據，可以為患者提供個性化的醫療方案和治療策略。

（3）醫學影像分析：人工智能可以自動識別和分析醫學影像數據，如 CT 掃描、MRI 等，用于疾病的早期檢測和診斷。深度學習和計算機視覺等技術在醫學影像分析中得到廣泛應用。

（4）基因組學和蛋白質組學研究：人工智能可以處理大規模的基因組學和蛋白質組學數據，如基因表達數據、基因變異數據和蛋白質相互作用網絡等，幫助揭示基因與疾病之間的關聯，探索新的治療靶點和生物標記物。

（5）健康管理和預防：人工智能技術在生命科學與生物醫學領域的應用可以幫助實現智能健康管理和預防。通過傳感器技術和大數據分析，可以實時監測個體的健康狀態，并提供個性化的健康管理和預防方案。這涉及到不同學科的專家，如行為科學、公共衛生等，共同利用人工智能技術來改善人們的生活方式和預防疾病的發生。

四、結語

本文采用LoetLeydesdorff的學科多樣性測度指標體系，通過分析不同學科的綜合豐富度、均勻度和差異度，利用 Web of Science 的數據，測度了人工智能的學科多樣性以及與其他學科融合發展的趨勢特點，并結合專家意見以及VOSviewer等工具重點分析了人工智能技術與生物醫藥領域的融合發展現狀。

從本文的研究結果所看到的人工智能與生物醫藥領域融合發展的趨勢和特征，與專家訪談及相關文獻中提及的二者的發展趨勢特征整體吻合，說明了LoetLeydesdorff的學科多樣性測度指標體系的有效性和可行性。

此外，本研究為理解人工智能技術的學科融合，特別是與生物醫藥相關領域的融合發展提供了一個新的視角。在數據的選擇、評估方法的綜合使用等方面，未來的研究會考慮納入會議論文和專利等數據，基于本研究的結果進一步探索如何最大程度地發揮人工智能在生物醫藥領域的潛力。

參考文獻：

［1］肖利華.新零售的未來如何用數智驅動新增長[J].數字經濟， 2021（3）：48?51.

［2］趙楠， 譚惠文.人工智能技術的發展及應用分析[J].中國電子科學研究院學報， 2021，16（7）：737?740.

［3］CARLEY K M， PORTER A L， RAFOLS I. The role of translationalresearchinartificialintelligence：a scientometricanalysis[J]. JournalofTranslational Medicine， 2017，15（1）：42.

［4］B?RNERK， SCHARNHORSTA， DIESNERJ. Artificial intelligence for global science of science[J]. Scientometrics， 2018，114（2）：867?874.

［5］B?RNERK， SCHARNHORSTA， CHALUPSKYH. Datascience，machinelearning，andartificial intelligence：acallforabroaderdialogue[J].Proceedings of the National Academy of Sciences， 2019，116（20）：9757?9759.

［6］CALO R. Artificial intelligence policy： A primer and roadmap[J]. SSRN Electronic Journal， 2017， 51（2）：409?410.

［7］KUSTERS R， MISEVIC D， BERRY H， et al. Interdisciplinary research in artificial intelligence： challenges and opportunities[J]. Frontiers in Big Data， 2020，3：577974.

［8］Andy Striling. Multicriteria diversity analysis： A novel heuristic framework for appraising energy portfolios[J]. Energy Policy， 2010，38（4）：1622?1634.

［9］LEYDESDORFF L， WAGNER C S， BORNMANN L. Interdisciplinarity as diversity in citation patterns among journals： Rao-Stirling diversity， relative variety， and the Gini coefficient[J]. Journal of Informetrics， 2019， 13（1）：255?269

［10］張雪， 張志強.科睿唯安《全球研究報告》揭示學科多樣性在創新研究中的作用[EB/OL].（2021-10-05）[2023-02-06]. https：//mp.weixin.qq.com/s/HmIsF9XRG KP0HxM333hDJw.

［11］黃穎， 張琳， 孫蓓蓓， 等.跨學科的三維測度?外部知識融合、內在知識會聚與科學合作模式[J].科學學研究， 2019，37（1）：25?35.

（編輯：程愛婕）