东地中海地区医学健康领域人工智能与机器学习研究趋势与热点的文献计量学全景分析

本研究针对东地中海地区(EMR)医学健康领域人工智能(AI)与机器学习(ML)研究进行首次系统性文献计量分析。研究人员通过Scopus和Web of Science数据库检索1996-2024年文献，运用bibliometrix和VOSviewer工具分析2365篇文献，揭示伊朗(37.1%)和沙特(25.1%)为高产国家，COVID-19、机器学习为热点主题，年增长率达22.92%。该研究填补了中低收入国家AI/ML研究的评估空白，为区域数字健康战略提供数据支撑。

　　

在数字医疗革命席卷全球的背景下，东地中海地区(EMR)正面临独特的健康挑战与技术转型机遇。这个涵盖22个国家的区域既包含战乱频发的叙利亚、也门，也拥有推行"愿景2030"数字医疗战略的沙特阿拉伯，医疗资源分配不均与疾病谱系复杂构成其典型特征。尽管人工智能(AI)和机器学习(ML)在优化临床决策、提升诊断精度方面展现出变革潜力，但现有研究多聚焦欧美发达国家，对中低收入国家(LMICs)的技术应用图谱长期缺乏系统评估。正是这种研究空白，促使跨国研究团队开展了这项开创性的文献计量分析。

研究团队采用多数据库检索策略，从Scopus和Web of Science获取1996-2024年间EMR地区AI/ML相关医学文献，通过文献去重、标题摘要筛选等步骤最终纳入2365篇合格文献。运用Microsoft Excel进行基础统计分析，借助R语言bibliometrix包完成引文网络分析，并采用VOSviewer构建关键词共现图谱。为保障分析严谨性，研究严格遵循Donthu等学者提出的文献计量学方法论框架。

文献产出特征
数据分析显示EMR地区AI/ML医学研究呈现爆发式增长，年均增长率达22.92%。伊朗以37.1%的占比成为绝对主导，沙特阿拉伯(25.1%)和巴基斯坦分列二三位。值得注意的是，德黑兰医科大学成为最高产机构，而Leili Tapak则位列学者榜首。期刊分布方面，《Scientific Reports》以78篇发文量领先，反映出该地区研究更倾向综合性期刊而非专业医学杂志。

研究热点演化
关键词分析揭示三大核心集群：以"机器学习"(出现频次647次)、"深度学习"(289次)为代表的技术方法类；聚焦"COVID-19"(532次)、"胸部X线"(156次)的公共卫生危机应对类；以及涉及"预测模型"(217次)、"特征选择"(134次)的临床决策支持类。特别值得关注的是，2020年后COVID-19相关研究占比骤增，说明区域研究对突发公共卫生事件具有快速响应能力。

国际合作格局
尽管EMR内部合作网络密度较低，但伊朗-沙特、埃及-阿联酋形成区域性协作子网络。国际层面，美国(合作频次428次)、英国(196次)和中国(158次)成为最主要合作伙伴，这种"南北合作"模式既带来技术转移机遇，也可能导致研究议程设置权的不平等。

技术应用方向
临床诊断(占比41.3%)和医学影像分析(29.7%)构成最主要应用场景，而基因组学(8.2%)和药物研发(6.5%)领域相对薄弱。在疾病谱系方面，糖尿病(14.6%)、心血管疾病(12.8%)等非传染性疾病(NCDs)占据主导，与区域疾病负担高度吻合，但精神健康(3.1%)和妇幼保健(2.4%)等关键领域研究明显不足。

这项研究首次绘制了EMR地区AI/ML医学研究的全景图谱，揭示出三个关键矛盾：技术增长的迅猛势头与基础设施的不均衡分布、临床诊断研究的集中爆发与其他应用领域的结构性缺失、少数国家的单极主导与区域协作的稀疏现状。研究建议通过建立EMR人工智能健康联盟、设立区域性种子基金、开发适应低资源环境的轻量化算法等策略促进均衡发展。

从更广阔的视角看，该研究的价值不仅在于填补知识空白，更在于构建了评估LMICs数字健康转型的量化框架。研究者特别指出，EMR国家的AI政策(如沙特"愿景2030"、伊朗数字健康路线图)与实际研究产出间存在可观测的关联性，这为科技政策评估提供了新颖的文献计量学证据。随着全球健康治理进入数字时代，此类区域特异性研究将为制定包容性技术发展议程提供不可或缺的决策依据。