编辑推荐：
衰弱（Frailty）是不良健康结局的重要预测指标，随着人工智能（AI）技术发展，其在衰弱研究中的应用备受关注。研究人员针对 AI 与衰弱研究趋势开展系统分析，发现近十年相关研究增长迅速，明确了关键贡献者、合作网络等，为后续研究及应用提供指引。
在人口老龄化加剧的当下，衰弱问题日益凸显。衰弱指因年龄增长，多个生理系统储备和功能下降，导致机体应对日常或急性应激能力受损的临床状态。目前，尚无诊断衰弱的金标准，常用 Fried 等提出的五项表型标准中的三项来判断，存在多种变体。而且，衰弱在不同地区、性别、种族的老年人群中患病率差异明显 ，如美国 65 岁及以上社区老年人中患病率为 7 - 12%，欧洲国家整体患病率为 17%，拉丁美洲和加勒比地区城市女性患病率达 30 - 48%、男性为 21 - 35% 。面对这一复杂且重要的健康问题，传统研究方法难以全面把握其研究动态和发展方向。
在此背景下，为了深入了解人工智能（AI）在衰弱研究领域的发展情况，研究人员开展了相关研究。虽未明确研究机构，但他们通过系统分析，为该领域绘制了概念发展、合作关系及新兴主题的 “地图”，研究成果发表于《Archives of Gerontology and Geriatrics》。
研究人员运用了系统检索、数据提取与多种分析技术相结合的方法。首先，在 Scopus 数据库中，使用与 AI 和衰弱相关的关键词进行系统检索，筛选出 1213 篇英文原创文章，并于 2024 年 10 月完成数据提取，导出为 CSV 和 BibTeX 格式。然后，借助 Microsoft Excel 分析年度增长趋势，利用 VOSviewer 和 R 语言软件包进行文献计量分析和可视化处理，从而确定关键贡献者、合作网络和主题聚类。
研究结果如下：
- 研究增长趋势：近十年，AI 在衰弱研究中的应用成果显著增加，相关研究出版物呈现快速增长态势。
- 主题聚类分析：通过主题聚类发现，主要聚焦于预测建模、机器学习（ML）应用和老年护理创新等领域。其中，预测模型是重要研究方向，旨在借助 AI 技术更精准地预测衰弱发生风险；机器学习作为 AI 的关键子集，能助力医生更好地处理临床数据，提升临床决策的准确性和效率；老年护理创新则探索如何利用 AI 改善衰弱老人的护理质量。
- 主要贡献者和地区：美国、英国和意大利在该领域研究中表现突出，是主要的论文发表和合作贡献地区。Hanagal、Pandey 和 Wang 等学者是关键贡献者，他们的研究围绕衰老、肌肉减少症（sarcopenia）和衰弱综合征等方面，推动了 AI 在衰弱研究中的应用和认知。
- 核心研究话题：痴呆、肌肉减少症、康复等是研究的关键话题。例如，痴呆与衰弱之间存在密切关联，研究如何利用 AI 技术早期识别和干预，对改善患者预后意义重大；肌肉减少症作为衰弱的重要影响因素，AI 可用于评估其发展进程；康复领域中，AI 技术有望为衰弱患者提供更个性化、有效的康复方案。
研究结论表明，AI 正越来越深入地融入衰弱研究，相关研究呈快速发展态势，明确了关键研究方向、合作网络及新兴热点领域。这一研究成果意义重大，为后续科研人员开展相关研究提供了方向指引，有助于促进国际间科研合作，加强各国在 AI 与衰弱研究领域的交流与协作，共同攻克难题。同时，能推动 AI 技术在衰弱评估和管理中的实际应用，借助 AI 的优势，如数据处理和分析能力，实现对衰弱更精准的评估和更有效的干预，最终提升老年人群的健康水平和生活质量。
