综述：人工智能在肩肘外科中的应用：基于机构合作模式的文献计量分析

《JSES International》：Artificial Intelligence in Shoulder and Elbow Surgery: A Bibliometric Analysis of Affiliation-Based Collaboration Patterns.

本文通过文献计量分析揭示了人工智能（AI）在肩肘外科领域的研究趋势与合作模式。研究发现，机构间合作（Affiliation-Based Collaboration）与研究成果产出（R2=1.0）及影响力（平均引用次数增加0.2次/合作，R2=0.77）呈强正相关。尽管合作网络整体稀疏（密度0.03），但模块化程度高（0.81），形成了紧密的集群。美国（48%）、韩国（12%）和中国（8%）是主要研究力量。加强跨机构、跨学科合作对于推动高质量数据集构建、算法验证及临床转化至关重要。

　　

背景

人工智能（AI）正在成为骨科手术，特别是肩肘外科领域变革性的推动力。尽管应用兴趣日益增长，AI在该领域的研究仍处于发展阶段，面临着技术和临床上的多重挑战。合作研究被认为是生成高质量数据集、开发更稳健、可泛化且临床相关算法的关键途径。本研究旨在通过文献计量学方法，系统分析AI在肩肘外科领域的研究生产力、影响力趋势，并重点描绘机构间的合作模式及其与研究成果的关系。

方法

研究团队对2000年1月至2024年11月期间收录于Scopus数据库的文献进行了系统性检索与分析。纳入标准聚焦于经过同行评审、涉及AI在肩或肘部手术中应用的原创研究、综述文章及会议论文。研究提取了出版物数量、引用指标、作者机构、索引关键词等数据，并利用网络分析考察了研究的地理分布和合作模式。此外，研究构建了两个线性回归模型，分别评估机构间合作程度与出版物数量、引用影响力之间的关系。合作被定义为来自不同机构的研究者之间的合著关系。

结果

研究筛选与发表趋势

从初步筛选出的181篇文献中，最终有119篇符合纳入标准。这些文章发表于63种不同的期刊，总被引次数达1,519次。值得注意的是，相关研究自2014年才开始出现（1篇），此后呈现快速上升趋势，并在2024年达到峰值（49篇）。这表明该领域的研究活动在近十年，特别是2020年后显著加速。

期刊贡献与引用表现

《Journal of Shoulder and Elbow Surgery》（JSES）在发文量上领先（20篇），同时贡献了427次引用。《Acta Orthopaedica》虽然仅发表1篇文章，但其单篇引用次数高达310次，显示出极高的影响力。新兴的专业期刊如《Seminars in Arthroplasty JSES》（8篇）和《JSES International》（7篇）也反映了该领域的逐步细化。分析显示，期刊的影响力分布不均，少数期刊主导了大部分的引用贡献。

研究地理分布

按第一作者所在国家统计，美国是绝对的研究主导力量，贡献了48%的出版物（57篇）。韩国（12%，14篇）和中国（8%，10篇）紧随其后。欧洲国家如法国（6%）、意大利（4%）和瑞士（3%）也有重要贡献。合作网络可视化图谱揭示了明显的地理集群特征，北美、欧洲和亚洲内部存在密集的合作关系，而跨洲合作相对较少。

机构合作模式分析

研究共识别出260个相关机构。梅奥诊所（Mayo Clinic）以13篇发文量位居首位，其次是特殊外科医院（Hospital for Special Surgery，9篇）和亚特兰蒂斯骨科中心（Atlantis Orthopedics，7篇）。合作网络分析识别出至少4个主要的合作集群，例如以梅奥诊所、特殊外科医院等为核心的北美集群，以及连接北美和欧洲机构的跨大西洋集群。网络整体连接稀疏（密度仅为0.03），但社区结构非常明显（模块度0.81），表明合作主要发生在特定的、内部联系紧密的团体之间。

合作与产出的关系

回归分析结果极具说服力。模型1显示，机构间合作数量能够完美预测其出版物数量（R² = 1.0），每增加一个合作机构，平均会带来5篇额外的出版物。模型2表明，合作程度与篇均引用次数（AC）也呈显著正相关（R² = 0.77），每个新增的合作关系对应篇均引用增加0.2次。这强有力地证明了合作对于提升研究产出量和影响力的双重积极作用。

作者与关键词分析

研究共涉及623位不同作者，平均每篇文章有5.2位作者（合作指数），体现了较高的合作程度。作者合作网络突出了像Kumar Vikas和Sanchez-Sotelo Joaquin这样的核心研究者及其领导的团队。关键词共现分析则将研究主题清晰地归类为几个集群：关注肩关节置换术（Arthroplasty）临床结果与预测模型的绿色集群；聚焦肩袖损伤（Rotator Cuff Tear）和医学影像（如MRI）诊断技术进步的红色集群；以及连接关节置换与诊断方法的蓝色集群。

讨论

本研究的发现凸显了机构合作在推动新兴研究领域发展中的核心作用。尽管已存在相当数量的合作链接（1,010个），但相对于所有可能的合作机会而言，当前的合作网络仍显稀疏且分布不均，许多研究团体处于相对孤立的状态。高度的模块化表明合作大多基于地理或 thematic 邻近性，跨集群的交流有待加强。

美国在研究产出上的主导地位与韩国、中国等国的积极参与形成了对比，提示了在科研能力建设、国际合作资助和数据共享方面存在提升空间，以促进全球研究资源的更均衡分布。

AI技术在提升肩肘外科诊断精度（如基于深度学习（Deep Learning）的影像分析）、手术规划（如虚拟手术模拟）和预后预测（如机器学习（Machine Learning）模型）方面展现出巨大潜力。然而，要实现其全面临床转化，必须克服数据稀缺、算法验证不足以及缺乏标准化协议等障碍。加强跨学科合作，整合临床医学、计算机科学和工程学领域的专业知识，是解决这些挑战、开发出真正具有临床适用性AI解决方案的关键。

局限性

本研究存在几点局限性。首先，数据来源仅限于Scopus数据库，可能遗漏了其他平台索引的相关研究。其次，以合著作为合作的定义可能无法完全区分实质性合作与名义上的机构关联（如作者单位变动、工业界合作等）。第三，由于大部分研究发表于2020年后，引用指标可能尚未充分反映其长期影响力。此外，文献计量学方法主要关注研究活动的数量和模式，对研究质量的深度评估有限。本研究为该领域提供了一个重要的基线快照，但随着领域的快速发展，后续更新十分必要。

结论

这项文献计量分析全面描绘了AI在肩肘外科领域的研究图景，证实了机构合作与研究成果产出及影响力之间的强正相关关系。为了加速该领域的进步并提升其临床价值，未来应着力于扩大和深化合作网络，特别是鼓励跨学科和跨地域的协作。通过战略性促进合作，有望更有效地应对当前挑战，推动AI创新成果在全球范围内惠及患者。