人工智能應(yīng)用于醫(yī)院藥學(xué)服務(wù)領(lǐng)域的文獻(xiàn)計(jì)量學(xué)分析Δ

付素琴 ，郝辰業(yè) ，彭駿 #（1.上海市浦東新區(qū)東明社區(qū)衛(wèi)生服務(wù)中心，上海 0013；.上海健康醫(yī)學(xué)院圖文信息中心，上海 01318）

在全球健康信息化的大背景下，人工智能（artificial intelligence，AI）正在逐步改變醫(yī)療衛(wèi)生服務(wù)的提供方式。AI是一種復(fù)雜的計(jì)算機(jī)系統(tǒng)，其主要功能是分析大量數(shù)據(jù)，并將分析結(jié)果應(yīng)用于決策過程，以提供更好的信息支持[1]。AI在藥物發(fā)現(xiàn)、藥物設(shè)計(jì)領(lǐng)域的應(yīng)用已經(jīng)取得了顯著進(jìn)展[2]，為藥物發(fā)現(xiàn)和藥理、毒理實(shí)驗(yàn)以及個(gè)體化治療等研究提供了更有效的支持，同時(shí)大大節(jié)約了研究成本、縮短了研究周期[3-4]。然而，AI技術(shù)在醫(yī)院藥學(xué)服務(wù)領(lǐng)域中的應(yīng)用起步較晚，用于醫(yī)院藥學(xué)服務(wù)的AI驅(qū)動的應(yīng)用程序和工具的開發(fā)仍處于起步階段[5]，目前的智慧藥房仍存在自動化、智能化水平較低等情況[6]，亟須探索AI在醫(yī)院藥學(xué)服務(wù)領(lǐng)域中的應(yīng)用模式。

為了解AI在醫(yī)院藥學(xué)服務(wù)領(lǐng)域的研究應(yīng)用情況和發(fā)展趨勢，本研究采用文獻(xiàn)計(jì)量學(xué)的方法對該領(lǐng)域的研究文獻(xiàn)情況進(jìn)行了可視化總結(jié)，并嘗試預(yù)測了AI技術(shù)與醫(yī)院藥學(xué)服務(wù)緊密結(jié)合的全球發(fā)展趨勢，以期為藥學(xué)工作者更好地理解和利用AI技術(shù)、推動醫(yī)院藥學(xué)服務(wù)的創(chuàng)新和發(fā)展提供參考。

1 資料與方法

1.1 數(shù)據(jù)來源

分別在Web of Science（WOS）核心合集數(shù)據(jù)庫和中國知網(wǎng)（CNKI）中檢索有關(guān)AI應(yīng)用于醫(yī)院藥學(xué)服務(wù)的中英文研究文獻(xiàn)。英文檢索式為：（hospital* OR clinic*OR service* OR manage*）AND（pharm* OR prescript*）AND（“artificial intelligence” OR “machine learning” OR “natural language processing” OR “big data”）；中文檢索式為：“藥” * （“服務(wù)” + “臨床” + “醫(yī)院” + “管理” + “調(diào)劑” + “調(diào)配”） * （“人工智能” + “大數(shù)據(jù)” + “機(jī)器學(xué)習(xí)”）。出版物類型為學(xué)術(shù)期刊，文獻(xiàn)類型為論著或綜述。各數(shù)據(jù)庫的檢索年限均為建庫至2023年6月16日。

1.2 納入與排除標(biāo)準(zhǔn)

本研究的納入標(biāo)準(zhǔn)為：文獻(xiàn)內(nèi)容為AI在醫(yī)院藥學(xué)服務(wù)領(lǐng)域的應(yīng)用研究。本研究的排除標(biāo)準(zhǔn)為：（1）新聞、報(bào)紙、會議、通知、專利、年鑒、成果等類型的文獻(xiàn)；（2）重復(fù)發(fā)表的文獻(xiàn)；（3）信息不完整的文獻(xiàn)；（4）內(nèi)容為AI在藥物研發(fā)、制藥工程與工藝研究中的應(yīng)用研究。

1.3 文獻(xiàn)分析方法

采用EndNote 21 Build 17096軟件對納入文獻(xiàn)的年度發(fā)文量進(jìn)行統(tǒng)計(jì)分析；采用CiteSpace 6.2.R4軟件對納入文獻(xiàn)的作者、機(jī)構(gòu)進(jìn)行合作網(wǎng)絡(luò)分析，對關(guān)鍵詞進(jìn)行共現(xiàn)分析、聚類分析和突現(xiàn)分析；使用Python 3.11軟件進(jìn)行可視化處理并繪制相關(guān)圖譜。

2 結(jié)果

2.1 文獻(xiàn)檢索結(jié)果

本研究初檢共檢索到1 328篇英文文獻(xiàn)和218篇中文文獻(xiàn)，按照納入與排除標(biāo)準(zhǔn)篩選后，最終納入了1 190篇英文文獻(xiàn)和178篇中文文獻(xiàn)，其年度發(fā)文情況見圖1。

圖1 AI應(yīng)用于醫(yī)院藥學(xué)服務(wù)領(lǐng)域相關(guān)文獻(xiàn)的年度發(fā)文量

從圖1的總體趨勢來看，在2010年之前，國內(nèi)外該領(lǐng)域的研究均相對較少。從2011年開始，英文文獻(xiàn)數(shù)量開始超過中文文獻(xiàn)；2015年開始，AI技術(shù)的研究開始快速涌入醫(yī)院藥學(xué)服務(wù)領(lǐng)域，國內(nèi)外在該研究領(lǐng)域的差距也開始隨著時(shí)間的推移而逐漸擴(kuò)大；到2022年，英文文獻(xiàn)數(shù)量幾乎是中文文獻(xiàn)的15倍。可以發(fā)現(xiàn)，AI在醫(yī)院藥學(xué)服務(wù)領(lǐng)域的應(yīng)用研究在全球范圍內(nèi)正處于快速發(fā)展期，盡管國內(nèi)在這一領(lǐng)域的研究數(shù)量在逐步增加，但與國外相比發(fā)展速度較慢，仍有較大的發(fā)展空間。

2.2 文獻(xiàn)期刊來源

對納入文獻(xiàn)發(fā)文量排前10位的期刊進(jìn)行分析，結(jié)果發(fā)現(xiàn)，發(fā)文量排前10位的期刊均為英文期刊（表1），且大部分位于科睿唯安公司發(fā)布的期刊引證報(bào)告（Journal Citation Reports，JCR）Q1分區(qū)，表明這些期刊在相關(guān)領(lǐng)域內(nèi)具有較高的學(xué)術(shù)水平。在期刊影響因子（journal impact factor，JIF）方面，期刊BriefingsinBioinformatics的影響因子最高，為9.5，其發(fā)表的文章在學(xué)術(shù)界獲得了較廣泛的引用和認(rèn)可。

表1 AI在醫(yī)院藥學(xué)服務(wù)領(lǐng)域相關(guān)文獻(xiàn)的發(fā)文量排前10位的期刊信息

分析這10本期刊的學(xué)科分布可以發(fā)現(xiàn)，該領(lǐng)域的研究展現(xiàn)出較為明顯的跨學(xué)科特征，這些研究不僅專注于藥學(xué)服務(wù)領(lǐng)域，還融合了計(jì)算方法在藥學(xué)實(shí)踐中的創(chuàng)新應(yīng)用，展現(xiàn)了生物醫(yī)學(xué)、計(jì)算機(jī)科學(xué)與醫(yī)院藥學(xué)服務(wù)的交織融合，這一特點(diǎn)也反映出AI在醫(yī)院藥學(xué)服務(wù)領(lǐng)域應(yīng)用中的多元化和復(fù)雜性。國內(nèi)期刊在該領(lǐng)域的發(fā)文量較少，從側(cè)面反映出國內(nèi)在AI的深度探索和跨學(xué)科整合方面還處于起步階段。

2.3 作者合作關(guān)系分析

應(yīng)用CiteSpace對作者的合作網(wǎng)絡(luò)進(jìn)行分析，可以挖掘出在該研究領(lǐng)域具有影響力的作者，結(jié)果見圖2。圖中每個(gè)節(jié)點(diǎn)代表1個(gè)作者，節(jié)點(diǎn)之間的連線表示作者之間存在合作關(guān)系。

圖2 AI應(yīng)用于醫(yī)院藥學(xué)服務(wù)領(lǐng)域相關(guān)文獻(xiàn)的作者合作網(wǎng)絡(luò)

本研究納入的英文文獻(xiàn)中，共包含作者7 026位，其中發(fā)表論文10篇以上的作者有3位，發(fā)表論文5篇以上的作者有37位；發(fā)表論文數(shù)量最多的作者為Gumbo（15篇），其次為Pasipanodya（13篇）。由圖2A可見，發(fā)文較多的作者之間具有一定的合作關(guān)系，形成了一定數(shù)量的合作團(tuán)隊(duì)，其中Gumbo和Pasipanodya團(tuán)隊(duì)的研究主要集中在藥動學(xué)、藥效學(xué)、抗菌藥物敏感性測試以及使用機(jī)器學(xué)習(xí)預(yù)測患者病情進(jìn)展和治療效果等方面[7-8]。

本研究納入的中文文獻(xiàn)中，共包含作者617位，其中發(fā)表論文2篇以上的作者有12位。發(fā)表論文數(shù)量最多的作者為謝雁鳴（3篇），其研究主要集中在利用大數(shù)據(jù)和AI技術(shù)評價(jià)中藥的安全性以及精準(zhǔn)定位中醫(yī)藥辨證論治的療效機(jī)制等方面[9]。由圖2B可見，孫茜茜等學(xué)者形成的合作網(wǎng)絡(luò)作者人數(shù)較多，但也僅為一次性合作。可見，國內(nèi)研究者的集中度較低，研究人數(shù)較少且相對獨(dú)立，尚未形成具有規(guī)模的合作團(tuán)隊(duì)。

2.4 國家及機(jī)構(gòu)合作關(guān)系分析

使用Python 3.11軟件，根據(jù)國家、機(jī)構(gòu)名稱等提取出國內(nèi)外文獻(xiàn)中的地區(qū)信息，可以得到該領(lǐng)域研究的國家/地區(qū)合作網(wǎng)絡(luò)（限于篇幅，本文圖略），其中一個(gè)國家/地區(qū)在該領(lǐng)域的重要性由其中心度（即中介中心性）來表示。

本研究納入的英文文獻(xiàn)來自全球87個(gè)國家/地區(qū)。不同的國家/地區(qū)在研究實(shí)力上存在差異（表2）。從表2可以看出，美國在這個(gè)領(lǐng)域的文獻(xiàn)產(chǎn)量明顯高于其他國家/地區(qū)，英國、德國等歐洲國家在這個(gè)領(lǐng)域的文獻(xiàn)產(chǎn)量也較高。同時(shí)，這些國家較高的中心度進(jìn)一步反映了其在該領(lǐng)域研究網(wǎng)絡(luò)中的核心位置和廣泛的合作關(guān)系。本研究納入的中文文獻(xiàn)則來自全國27個(gè)省（自治區(qū)、直轄市）。從表2可以看出，北京的發(fā)文量最高（28篇），上海（16篇）緊隨其后。這一領(lǐng)域的研究主要集中在我國東部地區(qū)，其中北京、上海、廣東、江蘇、浙江5個(gè)省份的發(fā)文量占納入中文文獻(xiàn)數(shù)的50%左右。這可能是因?yàn)榇髷?shù)據(jù)和AI技術(shù)在我國東部沿海地區(qū)的研究起步更早、應(yīng)用更為廣泛，同時(shí)，資金和人才在這些地區(qū)的聚集也使得這些地區(qū)在醫(yī)院藥學(xué)服務(wù)的應(yīng)用研究上更為活躍。

表2 AI應(yīng)用于醫(yī)院藥學(xué)服務(wù)領(lǐng)域相關(guān)文獻(xiàn)發(fā)文量排前5位的國家/地區(qū)

英文文獻(xiàn)中各研究機(jī)構(gòu)之間的合作關(guān)系也非常緊密。由圖3A可見，國外從事這個(gè)領(lǐng)域研究的機(jī)構(gòu)主要為歐美地區(qū)的高校和研究機(jī)構(gòu)。其中，美國的哈佛大學(xué)（Harvard University，中心度0.16），以58篇的發(fā)文量位列第一，且該校合作關(guān)系眾多，影響力最大；法國研究型大學(xué)聯(lián)盟（UDICE-French Research Universities，中心度0.12，發(fā)文量44篇）和英國倫敦大學(xué)（University of London，中心度0.09，發(fā)文量37篇）的學(xué)術(shù)貢獻(xiàn)也較為顯著，且合作關(guān)系廣泛。而從圖3B可見，我國在該領(lǐng)域的研究機(jī)構(gòu)數(shù)量較少，機(jī)構(gòu)間的合作關(guān)系主要存在于一些國內(nèi)科研水平較高的醫(yī)學(xué)院校和醫(yī)療機(jī)構(gòu)之間，但合作關(guān)系較為薄弱。這可能是因?yàn)楦鱾€(gè)機(jī)構(gòu)之間的合作還處于起步階段，還沒有形成穩(wěn)定的合作關(guān)系。這與前文中我國研究者之間合作較少、尚未形成具有規(guī)模的合作團(tuán)隊(duì)結(jié)論一致。

圖3 AI應(yīng)用于醫(yī)院藥學(xué)服務(wù)領(lǐng)域相關(guān)文獻(xiàn)的機(jī)構(gòu)合作網(wǎng)絡(luò)

2.5 關(guān)鍵詞分析

2.5.1 共現(xiàn)性

本研究納入的英文文獻(xiàn)中排前10位的高頻關(guān)鍵詞包括machine learning（機(jī)器學(xué)習(xí)）、prediction（預(yù)測）、classification（分類）、risk（風(fēng)險(xiǎn)）、models（模型）、pharmacokinetics（藥動學(xué)）等，反映出機(jī)器學(xué)習(xí)、預(yù)測模型的建立、風(fēng)險(xiǎn)評估以及藥動學(xué)分析是目前該領(lǐng)域的研究重點(diǎn)，詳見表3。

表3 AI應(yīng)用于醫(yī)院藥學(xué)服務(wù)領(lǐng)域相關(guān)文獻(xiàn)排前10位的高頻關(guān)鍵詞

中文文獻(xiàn)中，合理用藥、處方點(diǎn)評、處方審核、“互聯(lián)網(wǎng)+”、中醫(yī)藥是比較重要的關(guān)鍵詞（表3）。這些關(guān)鍵詞反映了我國對于利用AI技術(shù)推動合理用藥、處方點(diǎn)評以及處方審核等方面較為關(guān)注，同時(shí)也表明“互聯(lián)網(wǎng)+”和中醫(yī)藥在我國醫(yī)院藥學(xué)服務(wù)中的應(yīng)用研究也得到了較高的重視。

2.5.2 聚類分析

英文關(guān)鍵詞聚類結(jié)果見表4。Q值表示網(wǎng)絡(luò)的模塊度，取值范圍為0～1，Q＞0.3表明該關(guān)鍵詞聚類圖具有顯著的網(wǎng)絡(luò)聚類結(jié)構(gòu)；該值越接近1，表明關(guān)鍵詞聚類間的聯(lián)系越密切，聚類效果越好。S值為用于衡量網(wǎng)絡(luò)同質(zhì)性的輪廓值，取值范圍為－1～1，該數(shù)值越大，代表該聚類成員的相似性越高，S＞0.7即表示聚類效果令人信服[10]。平均年通過計(jì)算該聚類中文章的發(fā)表年份獲得，用于估計(jì)該聚類的形成時(shí)間。聚類標(biāo)簽采用對數(shù)似然比（log-likelihood ratio，LLR）確定。經(jīng)分析，英文文獻(xiàn)關(guān)鍵詞可得到7個(gè)聚類標(biāo)簽，Q＝0.372 9（＞0.3），S＝0.725 4（＞0.7），表明該聚類效果較好，結(jié)果可信。分析聚類結(jié)果可知，目前國外在該領(lǐng)域的研究多以機(jī)器學(xué)習(xí)、自然語言處理和深度學(xué)習(xí)等高端技術(shù)的開發(fā)和應(yīng)用為主，對預(yù)防、風(fēng)險(xiǎn)評估、藥物治療優(yōu)化等實(shí)際醫(yī)療服務(wù)問題的研究較為集中。從聚類出現(xiàn)的時(shí)間來看，2016年，機(jī)器學(xué)習(xí)和AI在該領(lǐng)域的研究逐漸增多，2017年自然語言處理在電子健康記錄領(lǐng)域的應(yīng)用開始受到關(guān)注，到了2020年，深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)在相關(guān)領(lǐng)域的研究開始快速發(fā)展。

表4 AI應(yīng)用于醫(yī)院藥學(xué)服務(wù)領(lǐng)域的英文文獻(xiàn)關(guān)鍵詞聚類情況

中文關(guān)鍵詞聚類結(jié)果見表5。中文文獻(xiàn)的關(guān)鍵詞可聚為4類，Q＝0.811 9（＞0.3），S＝0.938 6（＞0.7），聚類效果較好，結(jié)果可信。由聚類結(jié)果可知，目前國內(nèi)對于AI在醫(yī)院藥學(xué)服務(wù)領(lǐng)域的應(yīng)用研究多集中在合理用藥和處方審核等方面。從聚類形成的時(shí)間上可以得知，2018年，大數(shù)據(jù)和信息化在基本藥物領(lǐng)域的研究逐漸增多，合理用藥和處方點(diǎn)評等醫(yī)療服務(wù)實(shí)踐的相關(guān)研究也在增加。結(jié)合前文關(guān)鍵詞共現(xiàn)性分析結(jié)果可知，與國外相比，我國的研究更加關(guān)注于醫(yī)療服務(wù)實(shí)踐，這也契合了我國在“互聯(lián)網(wǎng)+醫(yī)療健康”領(lǐng)域的政策導(dǎo)向。

表5 AI應(yīng)用于醫(yī)院藥學(xué)服務(wù)領(lǐng)域的中文文獻(xiàn)關(guān)鍵詞聚類情況

2.5.3 突現(xiàn)分析

對關(guān)鍵詞出現(xiàn)的時(shí)間分布和變化情況進(jìn)行分析，可反映該領(lǐng)域的研究前沿和發(fā)展趨勢。本研究在分析時(shí)，對于英文文獻(xiàn)，設(shè)置關(guān)鍵詞檢測參數(shù)為默認(rèn)值（γ設(shè)為1，最小持續(xù)時(shí)間為2）；對于中文文獻(xiàn)，由于數(shù)量較少，關(guān)鍵詞的突現(xiàn)性不明顯，為了便于比較，本研究將突現(xiàn)檢測參數(shù)中的γ值調(diào)整為0.3，最小持續(xù)時(shí)間設(shè)為1。突現(xiàn)強(qiáng)度排前15位的關(guān)鍵詞如圖4所示。

圖4 AI應(yīng)用于醫(yī)院藥學(xué)服務(wù)領(lǐng)域相關(guān)文獻(xiàn)中突現(xiàn)強(qiáng)度排前15位的關(guān)鍵詞

由圖4A可見，國外該領(lǐng)域的研究前沿主要為針對藥動學(xué)、自然語言處理、大數(shù)據(jù)、癌癥、電子健康記錄、基因、藥理學(xué)和蛋白質(zhì)的研究。其中，自然語言處理和電子健康記錄突現(xiàn)的時(shí)間與前述關(guān)鍵詞聚類形成的時(shí)間相近。近3年中，基因、藥理學(xué)、蛋白質(zhì)等幾個(gè)關(guān)鍵詞有較高的突現(xiàn)強(qiáng)度，這提示在精準(zhǔn)醫(yī)療和個(gè)性化醫(yī)療日益受到重視的背景下，這些研究主題的重要性進(jìn)一步提升。

由圖4B可以看出，國內(nèi)該領(lǐng)域的研究前沿主要為數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的應(yīng)用，應(yīng)用領(lǐng)域包括耐藥性、藥占比以及臨床藥師的作用分析等。可見，國內(nèi)學(xué)者對AI在藥學(xué)服務(wù)領(lǐng)域的應(yīng)用研究主要集中于探討如何利用數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)技術(shù)來提升藥學(xué)服務(wù)的效率和效果等方面。

3 討論

3.1 AI技術(shù)在醫(yī)院藥學(xué)服務(wù)領(lǐng)域的應(yīng)用研究現(xiàn)狀

AI技術(shù)在醫(yī)院藥學(xué)服務(wù)領(lǐng)域的應(yīng)用研究正處于一個(gè)快速發(fā)展階段，特別是自2015年起，國外在該領(lǐng)域的研究關(guān)注度顯著提升，研究主要聚焦于機(jī)器學(xué)習(xí)、自然語言處理和深度學(xué)習(xí)技術(shù)的開發(fā)與應(yīng)用。這些技術(shù)廣泛應(yīng)用于疾病預(yù)防、風(fēng)險(xiǎn)評估和藥物治療優(yōu)化等醫(yī)療實(shí)務(wù)領(lǐng)域，尤其是AI技術(shù)在處理電子健康記錄和醫(yī)療數(shù)據(jù)，如藥物屬性、適應(yīng)證、不良藥物事件的識別等方面取得了一定進(jìn)展[11]。相比之下，國內(nèi)研究更側(cè)重于醫(yī)療服務(wù)實(shí)踐，這與“互聯(lián)網(wǎng)+醫(yī)療健康”政策導(dǎo)向相契合，研究重點(diǎn)多聚焦于合理用藥、處方審核等方面。隨著技術(shù)的進(jìn)步，預(yù)計(jì)未來AI將在醫(yī)院藥學(xué)服務(wù)中扮演更為關(guān)鍵的角色。

3.2 我國AI技術(shù)應(yīng)用于醫(yī)院藥學(xué)服務(wù)領(lǐng)域面臨的挑戰(zhàn)與機(jī)遇

自2018年以來，盡管AI技術(shù)在國內(nèi)醫(yī)院藥學(xué)服務(wù)領(lǐng)域的研究數(shù)量有所增加，但與國際研究相比仍存在一定差距。此外，不論國內(nèi)外，該領(lǐng)域的研究合作網(wǎng)絡(luò)主要集中在頂尖醫(yī)學(xué)院校和醫(yī)療機(jī)構(gòu)之間，這種合作模式的形成與AI技術(shù)的復(fù)雜性密切相關(guān)——AI技術(shù)的應(yīng)用和研究需要強(qiáng)大的計(jì)算處理能力，而這一點(diǎn)在當(dāng)前仍是挑戰(zhàn)之一[12]。同時(shí)，藥學(xué)工作者需要適應(yīng)新的技術(shù)革新，提升自身的信息素養(yǎng)和技術(shù)能力，以適應(yīng)AI與藥學(xué)緊密結(jié)合的發(fā)展趨勢[13]。

在醫(yī)院藥學(xué)服務(wù)領(lǐng)域，AI技術(shù)與傳統(tǒng)中醫(yī)藥的結(jié)合尤其值得關(guān)注，當(dāng)前中醫(yī)藥與AI技術(shù)的融合在臨床輔助決策、藥物療效與安全性評價(jià)等方面表現(xiàn)活躍[14]。為了更深入地開發(fā)中醫(yī)藥的綜合療效評估和創(chuàng)新治療手段，研究者們正利用AI技術(shù)對中藥配伍關(guān)系、組方與臨床病癥的關(guān)系進(jìn)行深入分析[15]。此外，AI技術(shù)的本質(zhì)是通過對大量的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，以揭示數(shù)據(jù)中潛藏的有價(jià)值的信息模式或趨勢[16]。高質(zhì)量的臨床試驗(yàn)和患者反應(yīng)數(shù)據(jù)的獲取和分析是構(gòu)建有效預(yù)測模型的關(guān)鍵，而如何獲得足夠的數(shù)據(jù)來指導(dǎo)藥物治療、劑量選擇等藥學(xué)服務(wù)工作，只靠醫(yī)療機(jī)構(gòu)自身的數(shù)據(jù)很可能是不足的[17]。國家衛(wèi)生健康委員會在《關(guān)于加強(qiáng)全民健康信息標(biāo)準(zhǔn)化體系建設(shè)的意見》中也強(qiáng)調(diào)了建立全面的健康信息平臺和推進(jìn)數(shù)據(jù)共享的重要性，這預(yù)示著通過拓寬數(shù)據(jù)來源獲取高質(zhì)量數(shù)據(jù)將有望成為醫(yī)院藥學(xué)服務(wù)領(lǐng)域研究與應(yīng)用的關(guān)鍵動力。

4 結(jié)語

隨著科技的飛速發(fā)展，AI已成為推動現(xiàn)代醫(yī)療進(jìn)步的關(guān)鍵力量。本研究通過文獻(xiàn)計(jì)量學(xué)分析，揭示了AI在醫(yī)院藥學(xué)服務(wù)應(yīng)用研究的趨勢與挑戰(zhàn)。AI雖為藥學(xué)服務(wù)帶來了前所未有的機(jī)遇，但同時(shí)也伴隨著跨學(xué)科知識整合和數(shù)據(jù)處理能力方面的新挑戰(zhàn)。藥學(xué)工作者需要不斷提升自身的技術(shù)能力，以適應(yīng)這一變革。展望未來，期待AI能更深入地融入醫(yī)療衛(wèi)生領(lǐng)域，助力藥學(xué)服務(wù)的精準(zhǔn)化、高效化和安全化發(fā)展，進(jìn)而為全球健康事業(yè)的發(fā)展做出更大貢獻(xiàn)。