人工智能在膀胱癌中應用的文獻計量分析

摘要：目的" 通過文獻計量學分析對人工智能在膀胱癌領域的應用研究進行總結，并探討未來可能的研究熱點。方法" 選取Web of Science核心合集2000-2023年有關人工智能在膀胱癌中應用的文獻。通過VOSviewer和CiteSpace進行可視化分析。結果" 近年來，人工智能在膀胱癌中的研究每年都在增加。全部論文發表在393種期刊上，其中發表不少于5篇的期刊有56種。論文發表量排名前3位的期刊分別是BJU International（52篇）、European Urology（46篇）和Journal of Endourology（44篇）。發表文章超過100篇的國家包括美國、中國、英國、意大利和德國。美國合作國家較多，主要是加拿大、中國和意大利，其他國家之間的合作關系較弱。貢獻最高的前3位機構分別是University of North Carolina（40篇）、Karolinska Institute（37篇）和Roswell Park Cancer Institute（35篇）。引用最多的作者排名前3的為Guru Khurshid A（31篇）、Wiklund Peter（30篇）和Prokar Dasgupta（27篇）。“robot-assisted radical cystectomy”是目前研究熱點。出現頻率最高的關鍵詞是膀胱癌（742次），其次是并發癥（229次）和膀胱切除術（215次）。結論" 人工智能在膀胱癌中的應用前景廣闊。未來各國和各機構之間的合作有待加強。該領域的研究重點已逐漸從有創診斷和治療轉向通過深度學習技術進行無創診斷和精準微創治療。

關鍵詞：人工智能；膀胱癌；文獻計量；可視化分析

中圖分類號：R737.14；TP18" " " " " " " " " " " " " " " 文獻標識碼：A" " " " " " " " " " " " " DOI：10.3969/j.issn.1006-1959.2024.07.003

文章編號：1006-1959（2024）07-0014-08

Bibliometric Analysis of the Application of Artificial Intelligence in Bladder Cancer

ZHANG Hao-zhe1，2，CAO Min2，JI Ming1，TIAN Teng-zheng1，LIU Hong-nian1

（1.DepartmentofUrology，the Second Affiliated Hospital of Shandong First Medical University，Tai'an271000，Shandong，China;

2.Graduate School of Shandong First Medical University/Shandong Academy of Medical Science，Jinan 250000，Shandong，China）

Abstract：Objective" To summarize the application of artificial intelligence in the field of bladder cancer through bibliometric analysis， and to explore possible research hotspots in the future.Methods" The literature about the application of artificial intelligence in bladder cancer from 2000 to 2023 in the Web of Science core collection was selected. Visual analysis was performed by VOSviewer and CiteSpace.Resultsnbsp; In recent years， the research of artificial intelligence in bladder cancer has increased every year. All papers were published in 393 journals， of which 56 journals published no less than 5 papers. The top three journals in the number of papers published were BJU International （n=52）， European Urology （n=46） and Journal of Endourology （n=44）. The countries that had published more than 100 papers included the United States， China， the United Kingdom， Italy and Germany. The United States had more cooperation countries， mainly with Canada， China and Italy， and the cooperation between other countries was weak. The top three institutions with the highest contribution were University of North Carolina （n=40）， Karolinska Institute （n=37） and Roswell Park Cancer Institute （n=35）. The top three most cited authors were Guru Khurshid A （n=31）， Wiklund Peter （n=30） and Prokar Dasgupta （n=27）.“robot-assisted radical cystectomy”was a hot topic at present. The most frequent keywords were bladder cancer （742 times）， followed by complications （229 times） and cystectomy （215 times）.Conclusion" Artificial intelligence has broad application prospects in bladder cancer. Cooperation between countries and institutions needs to be strengthened in the future. The research focus in this field has gradually shifted from invasive diagnosis and treatment to non-invasive diagnosis and precise minimally invasive treatment through deep learning technology.

Key words：Artificial intelligence;Bladder cancer;Bibliometrics;Visualization

人工智能（artificial intelligence， AI）是一種通過機器模擬人類并實現智能化行為的技術和系統，它通過模仿人的思維方式和行為模式，利用計算機和算法來解決復雜問題，涵蓋數學、生物學等眾多學科[1，2]。人工智能被應用于醫學影像分析、藥物研發和個性化治療、醫療機器人和輔助手術、患者監測和預警系統等諸多醫學領域[3，4]。膀胱癌發病率在我國全部惡性腫瘤位居第13位，是泌尿系統最常見的惡性腫瘤[5]。提高診斷準確性給予精準治療對膀胱癌患者的預后具有重要意義。目前，經尿道膀胱腫瘤切除術（TURBT）后的病理檢查和膀胱鏡檢查是診斷膀胱癌的金標準[6]。這類方法費用高，且具有侵入性，容易導致治療過度或不足[7]。隨著影像組學、病理組學和基因組學的不斷發展，人工智能廣泛應用于膀胱癌的診斷、腫瘤分期或分級、治療和預后等方面，大多數研究都取得較好的預測能力[8-11]。目前，人工智能在膀胱癌領域的應用尚處于初步階段。分析其全球研究趨勢和熱點，對下一步的研究具有重要意義。文獻計量學分析是一種信息可視化的方法，利用數學和統計方法對世界范圍內的文獻數據和計量學特征進行定量分析，了解該領域的知識結構，識別研究前沿或熱點，在許多領域得到廣泛的應用[12，13]。該方法可以通過數據庫中的論文信息，比較各個國家、機構、作者或期刊的研究狀況，評估全球科學論文和最新的研究進展，可視化發展趨勢[14，15]。本研究通過收集Web of Science數據庫核心合集（WoSCC）中的文獻數據統計分析2000-2023年以AI在膀胱癌中的應用為主題的相關研究，采用CiteSpace和VOSviewer進行可視化分析，總結人工智能在膀胱癌中的應用與發展趨勢，為進一步研究指明方向。

1資料與方法

1.1資料來源" 本研究數據來源于WoSCC，檢索有關AI在膀胱癌中的應用的文獻，共1452篇，通過剔除重復文獻，僅保留論著及綜述類文章，最終篩選得到有效文獻1208篇。數據下載時間為2023年7月22日。獲取全部相關文獻，導出為純文本格式。

1.2 統計學方法" 通過文獻計量工具CiteSpace 6.2.R2和VOSviewer 1.6.19對導出的文獻記錄進行計量分析。使用VOSviewer進行國家和機構的被引/共被引分析以及關鍵詞共被引分析。利用CiteSpace進行機構和作者的合作性分析，以及作者、參考文獻和期刊的共被引分析并生成期刊的雙地圖疊加。

2結果

2.1年發文量和期刊分布情況" 2000年以來，人工智能在膀胱癌中的研究每年都在增加；特別是近5年來，該研究發展迅速，增長至2022年的197篇，見圖1A。全部論文發表在393種期刊上，其中發表不少于5篇的期刊56種。論文發表量排名前3位的期刊分別是BJU International（52篇）、European Urology（46篇）和Journal of Endourology（44篇），見圖1B。European Urology總被引次數為900次，遠高于其他期刊。根據2020年Journal Citation Report （JCR），在前10的期刊中，有5種期刊位于Q1。圖1C是期刊的雙地圖重疊，顯示被引期刊和被引期刊之間的關系。

2.2國家分布" 共有60個國家在這一領域發表文章。從圖2A的可以看出，發表文章超過100篇的國家包括美國、中國、英國、意大利和德國。美國最多（494篇），其次是中國（262篇）、英國（144篇）和意大利（131篇）。在國家的合作分析中，美國有許多國家的合作，其中最重要的是加拿大、中國和意大利。其他國家之間的合作關系較弱見圖2B。對不同國家的合作情況進行分析，如圖2C所示，當最小發表數限制在5個以上時，共納入了32個國家。

2.3發文機構分布" 1790家機構參與人工智能在膀胱癌中的應用研究。貢獻最高的前3位機構分別是University of North Carolina（40篇）、Karolinska Institute（37篇）和Roswell Park Cancer Institute（35篇）。但多數機構比較分散，缺乏合作，主要集中在歐美機構，見圖3。

2.4作者及作者共被引分布" 共有6303位作者和19 761位共同被引作者參與這項研究。表1為前10位生產力最高的作者和前10位被引用最多的被引作者。Guru Khurshid A（31篇）、Wiklund Peter（30篇）和Prokar Dasgupta（27篇）排名前3，分別有31篇，30篇和27篇文章。從圖4A可以看出，作者的中心性低于0.1，在作者的合作網絡圖中只能觀察到少量的鏈接。中間中心性（between-centrality， BC）可以反映節點在網絡中的重要程度。BC值大于0.1的節點占據連接大量節點的樞紐位置[16]。在共被引作者網絡分析中，John P. Stein、Raj S Pruthi和Bernard H Bochner是被引次數最高的前3名，見圖4B。

2.5文獻分布" 本研究共收錄文獻1208篇，其中被引次數不少于50次的文獻141篇。其中Hoadley KA[17]（948次），Witjes JA[18]（702次）和Diamandis EP[19]（517次）。此外，共被引文獻27 630篇。圖5A為參考文獻的共被引網絡分析。圖5B為引文文獻的時間軸視圖，反映研究熱點隨時間的變化。根據聚類結果，“predicting survival”是該領域最早的研究。“robot-assisted radical cystectomy”是目前研究熱點，這表明當前的熱點關注于機器人輔助手術的研究。圖5C為被引用次數最多的前25個參考文獻。該領域的被引爆發始于2008年，大量的引文文獻仍被頻繁引用，表明人工智能在膀胱癌中的應用仍是未來幾年的研究熱點。

2.6關鍵詞分布" 共納入關鍵詞3761個，其中出現頻率不低于10次的關鍵詞有165個。表2為使用頻率最高的前20個關鍵字。出現頻率最高的關鍵詞是膀胱癌（742次），其次是并發癥（229次）和膀胱切除術（215次）。如圖6A所示，網絡可視化圖中每一種灰度深淺代表一個聚類。主要顯示3類，其中第1類關注人工智能相關技術在膀胱癌診斷和預測中的應用，如“診斷”“深度學習”“影像組學”等，主要關注影像學分析、疾病預后預測等方面。第2類關注膀胱癌的預后等。第3類，以“機器人輔助膀胱根治性切除”“術后并發癥”“機器人手術”為主要關鍵詞，重點關注膀胱癌的手術治療和術后情況。圖6B是關鍵詞的疊加可視化地圖，顯示關鍵詞隨時間的變化。“機器學習”“深度學習”“影像組學”是近3年頻繁出現的關鍵詞，預示它們是未來的研究熱點。

3討論

文獻計量學使用可視化軟件對現有文獻進行綜合分析，得出研究發展趨勢，預測研究熱點[20]。本研究通過文獻計量分析對AI在膀胱癌中的應用現狀進行總結，并通過兩種文獻計量軟件直觀地揭示AI在膀胱癌中的發展趨勢和未來的研究熱點。

在過去的23年中，人工智能在各個領域發展迅速，人工智能在膀胱癌中的應用也呈指數增長[21]。機器學習和深度學習的進步推動人工智能的快速發展。生產率最高的美國發表494篇論文。我國、英國等發表的論文數量逐漸增多，說明各國研究人員對AI在膀胱癌中的應用更加感興趣。可以預見，未來會有更多的國家和研究者參與到膀胱癌的人工智能研究中來。我國的出版物數量排名第2，但高產和被引用的作者較少，已經成為主要的科學論文生產國，但仍需對人工智能算法進行創新并加強國際合作，增加在國際上的學術影響力。

膀胱癌的治療是一個全球性的健康問題[22]，人工智能在膀胱癌中的應用對膀胱癌的診斷和治療產生重要影響。僅有60個國家參與人工智能在膀胱癌中的研究，其中超過一半的國家發表的論文不足10篇。除我國外，排名前10位的國家均為發達國家，表明發展中國家在人工智能應用于膀胱癌方面存在的滯后。從發文期刊來看，發文量排名前10的期刊影響因子平均在2～6分，說明該領域的研究質量有待提高。

對關鍵詞進行聚類分析發現，研究焦點主要集中輔助診斷、機器人輔助手術、預測治療效果及預后。機器人輔助手術是醫學領域中人工智能的主要應用之一，可以使用人工智能算法來輔助手術操作和決策，提高手術效果和減少并發癥。此外，膀胱癌領域的人工智能研究熱點主要集中于預測膀胱癌的發生和發展趨勢的應用。2017年，Cha KH等[23]報道了一種基于深度學習卷積神經網絡的預測模型，用于預測膀胱癌患者治療效果。2020年，Woerl AC等[24]通過深度學習模型預測肌層浸潤型膀胱癌組織病理學的分子亞型。但如何改進相關技術，以提高檢測和預測的準確率存在挑戰[25]。

綜上所述，人工智能在膀胱癌的研究中應用廣泛，涉及到圖像識別、病理分析和個體化治療等方面，特別是輔助診斷和預后預測方面，受到世界各國學者的重視。我國的學術論文發表數量雖然處于領先地位，但在國際合作方面仍有待進一步加強，國內研究可注重國家和機構間合作，推動人工智能技術的不斷發展。此外，該領域的研究重點已逐漸從有創診斷和治療轉向通過深度學習技術進行無創診斷和精準微創治療。研究人員可以通過文獻計量分析獲取研究熱點以及未來發展方向等方面的信息，為膀胱癌領域中與人工智能相關的研究和臨床實踐提供參考。

參考文獻：

[1]Yu KH，Beam AL，Kohane IS.Artificial Intelligence In Healthcare[J].Nat Biomed Eng，2018，2（10）：719-731.

[2]Hamet P，Tremblay J.Artificial Intelligence In Medicine[J].Metabolism，2017，69S：S36-S40.

[3]Shin HC，Roth HR，Gao M，et al.Deep Convolutional Neural Networks For Computer-Aided Detection：Cnn Architectures，Dataset Characteristics And Transfer Learning[J].IEEE Trans Med Imaging，2016，35（5）：1285-1298.

[4]Zhou XY，Guo Y，Shen M，et al.Application of Artificial Intelligence In Surgery[J].Front Med，2020，14（4）：417-30.

[5]國家癌癥中心，國家腫瘤質控中心膀胱癌質控專家委員會.中國膀胱癌規范診療質量控制指標（2022版）[J].中華腫瘤雜志，2022，（10）：1003-1010.

[6]Lenis AT，Lec PM，Chamie K，et al.Bladder Cancer：A Review[J].JAMA，2020，324（19）：1980-91.

[7]Botteman MF，Pashos CL，Redaelli A，et al.The Health Economics of Bladder Cancer：A Comprehensive Review of The Published Literature[J].Pharmacoeconomics，2003，21（18）：1315-1330.

[8]Noorbakhsh J，Farahmand S，Foroughi Pour A，et al.Deep Learning-Based Cross-Classifications Reveal Conserved Spatial Behaviors Within Tumor Histological Images[J].Nat Commun，2020，11（1）：6367.

[9]Wu S，Chen X，Pan J，et al.An Artificial Intelligence System For The Detection of Bladder Cancer Via Cystoscopy：A Multicenter Diagnostic Study[J].J Natl Cancer Inst，2022，114（2）：220-227.

[10]Chen S，Jiang L，Zheng X，et al.Clinical Use of Machine Learning-Based Pathomics Signature For Diagnosis And Survival Prediction of Bladder Cancer[J].Cancer Sci，2021，112（7）：2905-2914.

[11]Zhao H，Chen Z，Fang Y，et al.Prediction of Prognosis And Recurrence of Bladder Cancer By Ecm-Related Genes[J].J Immunol Res，2022，2022：1793005.

[12]Li C，Wang L，Perka C，et al.Clinical Application of Robotic Orthopedic Surgery：ABibliometric Study[J].BMC Musculoskelet Disord，2021，22（1）：968.

[13]Yeung AWK，Tzvetkov NT，Józwik A，et al.Food Toxicology：Quantitative Analysis of The Research Field Literature[J].Int J Food Sci Nutr，2020，71（1）：13-21.

[14]Ma C，Su H，Li H.Global Research Trends On Prostate Diseases And Erectile Dysfunction：A Bibliometric And Visualized Study[J].Front Oncol，2020，10：627891.

[15]Yeung AWK，Tzvetkov NT，Balacheva AA，et al.Lignans：Quantitative Analysis of The Research Literature[J].Front Pharmacol，2020，11：37.

[16]Wu H，Wang Y，Tong L，et al.The Global Research Trends And Hotspots On Developmental Dysplasia of The Hip：A Bibliometric And Visualized Study[J].Front Surg，2021，8：671403.

[17]Hoadley KA，Yau C，Wolf DM，et al.Multiplatform Analysis of 12 Cancer Types Reveals Molecular Classification Within And Across Tissues of Origin[J].Cell，2014，158（4）：929-944.

[18]Witjes JA，Bruins HM，Cathomas R，et al.European Association of Urology Guidelines On Muscle-Invasive And Metastatic Bladder Cancer：Summary of The 2020 Guidelines[J].Eur Urol，2021，79（1）：82-104.

[19]Diamandis EP.Mass Spectrometry As A Diagnostic And A Cancer Biomarker Discovery Tool：Opportunities And Potential Limitations[J].Mol Cell Proteomics，2004，3（4）：367-378.

[20]Merigo JM，Yang JB.A Bibliometric Analysis of Operations Research And Management Science[J].Omega-International Journal of Management Science，2017，73：37-48.

[21]Checcucci E，Autorino R，Cacciamani GE，et al.Artificial Intelligence And Neural Networks In Urology：Current Clinical Applications[J].Minerva Urol Nefrol，2020，72（1）：49-57.

[22]Sung H，Ferlay J，Siegel RL，et al.Global Cancer Statistics 2020：Globocan Estimates of Incidence And Mortality Worldwide For 36 Cancers In 185 Countries[J].Ca Cancer J Clin，2021，71（3）：209-249.

[23]Cha KH，Hadjiiski L，Chan HP，et al.Bladder Cancer Treatment Response Assessment In Ct Using Radiomics With Deep-Learning[J].Sci Rep，2017，7（1）：8738.

[24]Woerl AC，Eckstein M，Geiger J，et al.Deep Learning Predicts Molecular Subtype of Muscle-Invasive Bladder Cancer From Conventional Histopathological Slides[J].Eur Urol，2020，78（2）：256-264.

[25]Bi WL，Hosny A，Schabath MB，et al.Artificial Intelligence In Cancer Imaging：Clinical Challenges And Applications[J].Ca Cancer J Clin，2019，69（2）：127-157.

收稿日期：2023-08-14；修回日期：2023-09-04

編輯/肖婷婷