人工智能与机器学习驱动的个性化医疗研究趋势与热点：一项系统性文献计量与可视化分析

《Naunyn-Schmiedeberg's Archives of Pharmacology》：Systematic bibliometric and visualized analysis of global research trends, impact, emerging areas, and hotspots of artificial intelligence in personalized medicine

本研究针对人工智能(AI)与机器学习(ML)在个性化医疗领域文献激增的现状，通过系统性文献计量与可视化分析，揭示了该领域的研究趋势、影响力、新兴领域及关键热点。研究人员利用Scopus数据库数据，发现相关研究呈指数增长（年增长率42.1%），并识别出“深度学习”、“生物标志物”和“影像组学”为当前研究热点，为研究者、政策制定者及资助机构提供了宝贵的知识框架与发展方向。

　　

人工智能(AI)与机器学习(ML)已对医学领域产生深远影响。越来越多的证据支持其在个性化医学研究中的应用。这一趋势使得对日益增长的文献进行全面梳理变得至关重要，以帮助研究者理解该主题。本研究旨在全面分析与系统描绘个性化医学文献中与AI和ML相关的研究趋势、影响力、新兴领域及关键热点。研究人员系统性地利用取自Scopus数据库的数据进行了文献计量与可视化分析，并使用Microsoft Excel 365、VOSviewer和Bibliometrix R包评估了文献计量指标。共识别出3719篇文章，累计获得88,351次引用，年增长率高达42.1%。年度发表量结果显示，在过去19年中呈现出显著的上升趋势，并在2024年达到顶峰。美国在发表量上领先（占比38.8%）。哈佛医学院是顶级研究机构。该领域的领军研究者是Michael R. Kosorok（发表20篇文章）。《Journal of Personalized Medicine》在发文量上排名最高（69篇文章）。作者关键词分析确定了“深度学习”、“生物标志物”和“影像组学”为热门研究主题。个性化医学领域正在发生革命性变革，AI与ML解决方案正开辟道路，导致全球范围内更多的研究合作，并以极快的速度推进研究方法。本研究提供了一个广阔的知识框架，强调了重大进展与未来方向。这些发现为研究者、政策制定者和资助机构提供了宝贵的见解，以支持跨学科合作及AI驱动的个性化医疗保健的未来创新。