人工智能在医学领域的全球研究特征、准备度与公平性：基于文献计量与社会经济分析

为解决人工智能(AI)在医学领域(AImed )应用的全球不平等问题，研究人员通过文献计量学方法NewQIS分析了1969-2022年的29,114篇文献，结合GDP、创新指数(GII)等社会经济指标，揭示了中美主导但南北差距显著的科研格局。研究发现AImed 研究自2017年爆发式增长，但低收入国家面临数据获取和技术壁垒，需通过国际合作实现公平发展。该研究为制定全球AI医疗治理政策提供了实证依据。

　　

人工智能(AI)正在重塑医学研究和医疗实践，但其发展伴随着严峻的伦理挑战和全球不平等问题。从CAIS(人工智能安全中心)发布的公开信到欧盟《人工智能法案》，国际社会对AI可能引发的灭绝风险与医疗数据滥用高度警觉。尤其在医学领域，AI虽能提升影像诊断精度、加速药物研发，却因训练数据偏倚、算法黑箱等问题，可能加剧医疗资源分配的不公。更令人担忧的是，高收入国家(HI)与低收入国家(LMI)在AI技术获取上的鸿沟，正使"数据殖民主义"成为新的全球健康威胁。

针对这一现状，德国法兰克福大学等机构的研究团队在《Globalization and Health》发表了一项开创性研究。他们采用NewQIS(科学质量与数量新指数)文献计量平台，结合密度均衡地图投影(DEMP)技术，系统分析了Web of Science核心合集中1969-2022年的AI_med
文献。研究整合了GDP、全球创新指数(GII)和政府AI准备度(GAIRI)等指标，通过Spearman相关性分析和线性回归，首次揭示了AI医疗研究的全球格局与社会经济驱动因素。

关键技术方法包括：(1)基于WoS医学类别的双重检索策略，区分AI、机器学习(ML)和深度学习(DL)术语；(2)对29,114篇文献的国别、机构、引文数据进行标准化处理；(3)利用VOSviewer进行标题词聚类分析；(4)采用UNESCO人口与经济数据计算科研产出比值(R_GDP
和R_POP
)；(5)通过国际合作网络分析评估知识流动模式。

全球研究特征
研究发现AI_med
研究呈现指数级增长，2017年后年发文量从435篇激增至2022年的9,218篇。美国(9,707篇)和中国(7,410篇)合计贡献58.5%的成果，但中国论文被引量仅为美国的37%。医学影像(占标题词20.75%)和肿瘤学(15.20%)是核心研究方向，深度学习在图像分割中的应用形成显著聚类。

社会经济影响
GDP与AI_med
研究产出呈强相关性(r²
=0.97)，但约旦、巴基斯坦等LMI国家在R_GDP
指标表现突出。瑞士、新加坡等人均科研产出(R_POP
)最高，而美国、中国在创新指数(GII)回归分析中呈现正向偏离，显示其AI投入转化效率优势。

公平性挑战
非洲国家国际合作率高达90%，但自主研究能力薄弱。哈佛大学(1,171篇)等欧美机构主导高质量研究，而中国科学院的论文影响力低于均值。私营部门中西门子(285篇)和GE医疗(164篇)是产业转化主力，但全球80%的AI医疗专利集中在HI国家。

研究结论指出，当前AI_med
发展存在三重悖论：(1)技术红利与伦理风险并存，如LAWS(致命自主武器系统)的医疗数据滥用可能；(2)创新集中与资源割裂，LMI国家缺乏训练数据访问权；(3)监管滞后与需求激增，RECs(研究伦理委员会)尚未建立AI专项审查机制。作者呼吁构建包容性全球治理框架，通过技术转移、基础设施共建和伦理标准协同，确保AI医疗惠及所有人群。

这项研究的意义在于首次量化揭示了AI医疗研究的"马太效应"，为WHO(世界卫生组织)倡导的全球健康公平提供了决策依据。其创新的"社会经济-科研产出"评估模型，可扩展至气候变化、传染病等其他全球性议题的分析。随着欧盟AI法案的实施，该研究强调的跨国数据流动机制和反偏倚算法开发，将成为未来医疗AI发展的关键突破口。