人工智能在膀胱癌中應(yīng)用的文獻(xiàn)計(jì)量分析

摘要：目的" 通過文獻(xiàn)計(jì)量學(xué)分析對(duì)人工智能在膀胱癌領(lǐng)域的應(yīng)用研究進(jìn)行總結(jié)，并探討未來可能的研究熱點(diǎn)。方法" 選取Web of Science核心合集2000-2023年有關(guān)人工智能在膀胱癌中應(yīng)用的文獻(xiàn)。通過VOSviewer和CiteSpace進(jìn)行可視化分析。結(jié)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(fā)表在393種期刊上，其中發(fā)表不少于5篇的期刊有56種。論文發(fā)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(fā)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(guān)系較弱。貢獻(xiàn)最高的前3位機(jī)構(gòu)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(diǎn)。出現(xiàn)頻率最高的關(guān)鍵詞是膀胱癌（742次），其次是并發(fā)癥（229次）和膀胱切除術(shù)（215次）。結(jié)論" 人工智能在膀胱癌中的應(yīng)用前景廣闊。未來各國和各機(jī)構(gòu)之間的合作有待加強(qiáng)。該領(lǐng)域的研究重點(diǎn)已逐漸從有創(chuàng)診斷和治療轉(zhuǎn)向通過深度學(xué)習(xí)技術(shù)進(jìn)行無創(chuàng)診斷和精準(zhǔn)微創(chuàng)治療。

關(guān)鍵詞：人工智能；膀胱癌；文獻(xiàn)計(jì)量；可視化分析

中圖分類號(hào)：R737.14；TP18" " " " " " " " " " " " " " " 文獻(xiàn)標(biāo)識(shí)碼：A" " " " " " " " " " " " " DOI：10.3969/j.issn.1006-1959.2024.07.003

文章編號(hào)：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(jī)器模擬人類并實(shí)現(xiàn)智能化行為的技術(shù)和系統(tǒng)，它通過模仿人的思維方式和行為模式，利用計(jì)算機(jī)和算法來解決復(fù)雜問題，涵蓋數(shù)學(xué)、生物學(xué)等眾多學(xué)科[1，2]。人工智能被應(yīng)用于醫(yī)學(xué)影像分析、藥物研發(fā)和個(gè)性化治療、醫(yī)療機(jī)器人和輔助手術(shù)、患者監(jiān)測(cè)和預(yù)警系統(tǒng)等諸多醫(yī)學(xué)領(lǐng)域[3，4]。膀胱癌發(fā)病率在我國全部惡性腫瘤位居第13位，是泌尿系統(tǒng)最常見的惡性腫瘤[5]。提高診斷準(zhǔn)確性給予精準(zhǔn)治療對(duì)膀胱癌患者的預(yù)后具有重要意義。目前，經(jīng)尿道膀胱腫瘤切除術(shù)（TURBT）后的病理檢查和膀胱鏡檢查是診斷膀胱癌的金標(biāo)準(zhǔn)[6]。這類方法費(fèi)用高，且具有侵入性，容易導(dǎo)致治療過度或不足[7]。隨著影像組學(xué)、病理組學(xué)和基因組學(xué)的不斷發(fā)展，人工智能廣泛應(yīng)用于膀胱癌的診斷、腫瘤分期或分級(jí)、治療和預(yù)后等方面，大多數(shù)研究都取得較好的預(yù)測(cè)能力[8-11]。目前，人工智能在膀胱癌領(lǐng)域的應(yīng)用尚處于初步階段。分析其全球研究趨勢(shì)和熱點(diǎn)，對(duì)下一步的研究具有重要意義。文獻(xiàn)計(jì)量學(xué)分析是一種信息可視化的方法，利用數(shù)學(xué)和統(tǒng)計(jì)方法對(duì)世界范圍內(nèi)的文獻(xiàn)數(shù)據(jù)和計(jì)量學(xué)特征進(jìn)行定量分析，了解該領(lǐng)域的知識(shí)結(jié)構(gòu)，識(shí)別研究前沿或熱點(diǎn)，在許多領(lǐng)域得到廣泛的應(yīng)用[12，13]。該方法可以通過數(shù)據(jù)庫中的論文信息，比較各個(gè)國家、機(jī)構(gòu)、作者或期刊的研究狀況，評(píng)估全球科學(xué)論文和最新的研究進(jìn)展，可視化發(fā)展趨勢(shì)[14，15]。本研究通過收集Web of Science數(shù)據(jù)庫核心合集（WoSCC）中的文獻(xiàn)數(shù)據(jù)統(tǒng)計(jì)分析2000-2023年以AI在膀胱癌中的應(yīng)用為主題的相關(guān)研究，采用CiteSpace和VOSviewer進(jìn)行可視化分析，總結(jié)人工智能在膀胱癌中的應(yīng)用與發(fā)展趨勢(shì)，為進(jìn)一步研究指明方向。

1資料與方法

1.1資料來源" 本研究數(shù)據(jù)來源于WoSCC，檢索有關(guān)AI在膀胱癌中的應(yīng)用的文獻(xiàn)，共1452篇，通過剔除重復(fù)文獻(xiàn)，僅保留論著及綜述類文章，最終篩選得到有效文獻(xiàn)1208篇。數(shù)據(jù)下載時(shí)間為2023年7月22日。獲取全部相關(guān)文獻(xiàn)，導(dǎo)出為純文本格式。

1.2 統(tǒng)計(jì)學(xué)方法" 通過文獻(xiàn)計(jì)量工具CiteSpace 6.2.R2和VOSviewer 1.6.19對(duì)導(dǎo)出的文獻(xiàn)記錄進(jìn)行計(jì)量分析。使用VOSviewer進(jìn)行國家和機(jī)構(gòu)的被引/共被引分析以及關(guān)鍵詞共被引分析。利用CiteSpace進(jìn)行機(jī)構(gòu)和作者的合作性分析，以及作者、參考文獻(xiàn)和期刊的共被引分析并生成期刊的雙地圖疊加。

2結(jié)果

2.1年發(fā)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(fā)展迅速，增長(zhǎng)至2022年的197篇，見圖1A。全部論文發(fā)表在393種期刊上，其中發(fā)表不少于5篇的期刊56種。論文發(fā)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(shù)為900次，遠(yuǎn)高于其他期刊。根據(jù)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(guān)系。

2.2國家分布" 共有60個(gè)國家在這一領(lǐng)域發(fā)表文章。從圖2A的可以看出，發(fā)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(guān)系較弱見圖2B。對(duì)不同國家的合作情況進(jìn)行分析，如圖2C所示，當(dāng)最小發(fā)表數(shù)限制在5個(gè)以上時(shí)，共納入了32個(gè)國家。

2.3發(fā)文機(jī)構(gòu)分布" 1790家機(jī)構(gòu)參與人工智能在膀胱癌中的應(yīng)用研究。貢獻(xiàn)最高的前3位機(jī)構(gòu)分別是University of North Carolina（40篇）、Karolinska Institute（37篇）和Roswell Park Cancer Institute（35篇）。但多數(shù)機(jī)構(gòu)比較分散，缺乏合作，主要集中在歐美機(jī)構(gòu)，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(xiàng)研究。表1為前10位生產(chǎn)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(wǎng)絡(luò)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(jié)點(diǎn)在網(wǎng)絡(luò)中的重要程度。BC值大于0.1的節(jié)點(diǎn)占據(jù)連接大量節(jié)點(diǎn)的樞紐位置[16]。在共被引作者網(wǎng)絡(luò)分析中，John P. Stein、Raj S Pruthi和Bernard H Bochner是被引次數(shù)最高的前3名，見圖4B。

2.5文獻(xiàn)分布" 本研究共收錄文獻(xiàn)1208篇，其中被引次數(shù)不少于50次的文獻(xiàn)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(xiàn)27 630篇。圖5A為參考文獻(xiàn)的共被引網(wǎng)絡(luò)分析。圖5B為引文文獻(xiàn)的時(shí)間軸視圖，反映研究熱點(diǎn)隨時(shí)間的變化。根據(jù)聚類結(jié)果，“predicting survival”是該領(lǐng)域最早的研究。“robot-assisted radical cystectomy”是目前研究熱點(diǎn)，這表明當(dāng)前的熱點(diǎn)關(guān)注于機(jī)器人輔助手術(shù)的研究。圖5C為被引用次數(shù)最多的前25個(gè)參考文獻(xiàn)。該領(lǐng)域的被引爆發(fā)始于2008年，大量的引文文獻(xiàn)仍被頻繁引用，表明人工智能在膀胱癌中的應(yīng)用仍是未來幾年的研究熱點(diǎn)。

2.6關(guān)鍵詞分布" 共納入關(guān)鍵詞3761個(gè)，其中出現(xiàn)頻率不低于10次的關(guān)鍵詞有165個(gè)。表2為使用頻率最高的前20個(gè)關(guān)鍵字。出現(xiàn)頻率最高的關(guān)鍵詞是膀胱癌（742次），其次是并發(fā)癥（229次）和膀胱切除術(shù)（215次）。如圖6A所示，網(wǎng)絡(luò)可視化圖中每一種灰度深淺代表一個(gè)聚類。主要顯示3類，其中第1類關(guān)注人工智能相關(guān)技術(shù)在膀胱癌診斷和預(yù)測(cè)中的應(yīng)用，如“診斷”“深度學(xué)習(xí)”“影像組學(xué)”等，主要關(guān)注影像學(xué)分析、疾病預(yù)后預(yù)測(cè)等方面。第2類關(guān)注膀胱癌的預(yù)后等。第3類，以“機(jī)器人輔助膀胱根治性切除”“術(shù)后并發(fā)癥”“機(jī)器人手術(shù)”為主要關(guān)鍵詞，重點(diǎn)關(guān)注膀胱癌的手術(shù)治療和術(shù)后情況。圖6B是關(guān)鍵詞的疊加可視化地圖，顯示關(guān)鍵詞隨時(shí)間的變化。“機(jī)器學(xué)習(xí)”“深度學(xué)習(xí)”“影像組學(xué)”是近3年頻繁出現(xiàn)的關(guān)鍵詞，預(yù)示它們是未來的研究熱點(diǎn)。

3討論

文獻(xiàn)計(jì)量學(xué)使用可視化軟件對(duì)現(xiàn)有文獻(xiàn)進(jìn)行綜合分析，得出研究發(fā)展趨勢(shì)，預(yù)測(cè)研究熱點(diǎn)[20]。本研究通過文獻(xiàn)計(jì)量分析對(duì)AI在膀胱癌中的應(yīng)用現(xiàn)狀進(jìn)行總結(jié)，并通過兩種文獻(xiàn)計(jì)量軟件直觀地揭示AI在膀胱癌中的發(fā)展趨勢(shì)和未來的研究熱點(diǎn)。

在過去的23年中，人工智能在各個(gè)領(lǐng)域發(fā)展迅速，人工智能在膀胱癌中的應(yīng)用也呈指數(shù)增長(zhǎng)[21]。機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的進(jìn)步推動(dòng)人工智能的快速發(fā)展。生產(chǎn)率最高的美國發(fā)表494篇論文。我國、英國等發(fā)表的論文數(shù)量逐漸增多，說明各國研究人員對(duì)AI在膀胱癌中的應(yīng)用更加感興趣。可以預(yù)見，未來會(huì)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(shù)量排名第2，但高產(chǎn)和被引用的作者較少，已經(jīng)成為主要的科學(xué)論文生產(chǎn)國，但仍需對(duì)人工智能算法進(jìn)行創(chuàng)新并加強(qiáng)國際合作，增加在國際上的學(xué)術(shù)影響力。

膀胱癌的治療是一個(gè)全球性的健康問題[22]，人工智能在膀胱癌中的應(yīng)用對(duì)膀胱癌的診斷和治療產(chǎn)生重要影響。僅有60個(gè)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(fā)表的論文不足10篇。除我國外，排名前10位的國家均為發(fā)達(dá)國家，表明發(fā)展中國家在人工智能應(yīng)用于膀胱癌方面存在的滯后。從發(fā)文期刊來看，發(fā)文量排名前10的期刊影響因子平均在2～6分，說明該領(lǐng)域的研究質(zhì)量有待提高。

對(duì)關(guān)鍵詞進(jìn)行聚類分析發(fā)現(xiàn)，研究焦點(diǎn)主要集中輔助診斷、機(jī)器人輔助手術(shù)、預(yù)測(cè)治療效果及預(yù)后。機(jī)器人輔助手術(shù)是醫(yī)學(xué)領(lǐng)域中人工智能的主要應(yīng)用之一，可以使用人工智能算法來輔助手術(shù)操作和決策，提高手術(shù)效果和減少并發(fā)癥。此外，膀胱癌領(lǐng)域的人工智能研究熱點(diǎn)主要集中于預(yù)測(cè)膀胱癌的發(fā)生和發(fā)展趨勢(shì)的應(yīng)用。2017年，Cha KH等[23]報(bào)道了一種基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型，用于預(yù)測(cè)膀胱癌患者治療效果。2020年，Woerl AC等[24]通過深度學(xué)習(xí)模型預(yù)測(cè)肌層浸潤型膀胱癌組織病理學(xué)的分子亞型。但如何改進(jìn)相關(guān)技術(shù)，以提高檢測(cè)和預(yù)測(cè)的準(zhǔn)確率存在挑戰(zhàn)[25]。

綜上所述，人工智能在膀胱癌的研究中應(yīng)用廣泛，涉及到圖像識(shí)別、病理分析和個(gè)體化治療等方面，特別是輔助診斷和預(yù)后預(yù)測(cè)方面，受到世界各國學(xué)者的重視。我國的學(xué)術(shù)論文發(fā)表數(shù)量雖然處于領(lǐng)先地位，但在國際合作方面仍有待進(jìn)一步加強(qiáng)，國內(nèi)研究可注重國家和機(jī)構(gòu)間合作，推動(dòng)人工智能技術(shù)的不斷發(fā)展。此外，該領(lǐng)域的研究重點(diǎn)已逐漸從有創(chuàng)診斷和治療轉(zhuǎn)向通過深度學(xué)習(xí)技術(shù)進(jìn)行無創(chuàng)診斷和精準(zhǔn)微創(chuàng)治療。研究人員可以通過文獻(xiàn)計(jì)量分析獲取研究熱點(diǎn)以及未來發(fā)展方向等方面的信息，為膀胱癌領(lǐng)域中與人工智能相關(guān)的研究和臨床實(shí)踐提供參考。

參考文獻(xiàn)：

[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(zhì)控中心膀胱癌質(zhì)控專家委員會(huì).中國膀胱癌規(guī)范診療質(zhì)量控制指標(biāo)（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，F(xiàn)arahmand S，F(xiàn)oroughi 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，F(xiàn)ang 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，F(xiàn)erlay 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