AIGC在医疗健康领域的应用研究热点与趋势：基于3411篇文献的文献计量学分析

本研究针对人工智能生成内容(AIGC)在医疗健康领域的应用现状，通过文献计量学方法分析了2022-2023年3411篇文献，揭示了美国在该领域的主导地位（贡献41.66%文献），识别出医疗决策支持、患者教育、临床工作流优化三大应用场景，同时指出信息质量、数据偏见等风险。研究为AIGC在智能医疗发展中的规范化应用提供了系统性框架，对缓解医疗资源短缺具有重要指导意义。

　　

在人工智能技术迅猛发展的浪潮中，人工智能生成内容(AIGC)正以前所未有的方式重塑医疗健康领域。自2022年11月ChatGPT发布以来，这种基于深度学习(Deep Learning)和自然语言处理(NLP)的技术已能生成媲美人类水平的文本、图像等多模态内容，为医疗行业带来革命性变革可能。然而，AIGC在临床决策、患者管理、医学教育等场景的实际价值与潜在风险仍缺乏系统性评估，医疗资源分配不均的全球性难题更亟待创新解决方案。

Chen Wang等研究人员通过Web of Science核心合集检索2022-2023年相关文献，运用CiteSpace和Excel对3411篇文献进行文献计量分析。研究发现美国以1421篇（41.66%）文献成为主导力量，哈佛大学以262篇领跑机构产出，Nature期刊虽仅发表4篇却具有最高中心性（0.32）。高频关键词分析揭示了当前四大研究维度：AIGC对医疗行业的影响评估、适用性验证、医务人员认知调查及专用工具开发。

研究采用的关键技术包括：1）基于Web of Science核心合集的文献检索策略，采用"AIGC"与医疗领域术语的布尔组合检索式；2）运用CiteSpace构建国家/机构合作网络、关键词共现网络；3）通过布拉德福定律(Bradford's Law)和普赖斯定律(Price's Law)分析文献分布规律。

研究结果显示：

1. 国家合作网络分析
   

   
   
   美国以0.52中心性成为合作枢纽，中国（12.64%文献）和德国（7.04%）分列二三位，前10国家贡献了97%文献，呈现明显核心-边缘分布特征。

2. 机构贡献特征
   哈佛大学、加州大学系统和斯坦福大学构成核心研究集群，8家美国机构占据Top10席位。作者合作网络密度仅0.0049，显示跨机构协作仍有提升空间。

3. 应用场景验证
   在USMLE（美国医师执照考试）中，ChatGPT表现达到及格线（Kung TH等研究被引1107次），但对复杂临床推理问题准确率下降15-20%。生成医学文档时，能提高患者理解度30%（Schmidt S等研究），但存在10-15%的信息简化损失。

4. 风险识别
   高频风险关键词包括"bias"（中心性0.19）、"ethics"（0.13）和"trust"（0.10）。35%文献提及数据偏见风险，28%讨论责任归属难题，形成当前研究的核心争议点。

讨论部分强调四大发展趋势：
1）建立跨学科监管框架，解决AIGC在医疗中的伦理困境；
2）开发融合基因组学、医学影像的多模态专用模型；
3）明确AIGC"辅助而非替代"的定位；
4）优化电子病历(EHR)集成方案。该研究为AIGC在精准医学和远程医疗中的应用提供了首个系统性路线图，对实现联合国可持续发展目标(SDGs)中的健康公平具有重要启示。