《Advances in Medical Education and Practice》：Differences and Trends of Artificial Intelligence in Medical Education: A Comparative Bibliometric Analysis Between China and the International Community
编辑推荐：
本文通过文献计量学方法，系统对比了2014–2024年间中英文数据库中人工智能（AI）在医学教育领域的研究热点与演进趋势。研究发现，国际研究以机器学习（ML）、大语言模型（LLM）和生成式AI（如ChatGPT）为核心，聚焦临床推理与模拟培训；中国则侧重“新医科”政策下的虚拟现实（VR）/增强现实（AR）和医学影像应用。文章提出生成式AI、个性化学习与沉浸式技术三大未来方向，并为跨区域合作与伦理框架构建提供策略建议。
研究背景
随着人工智能技术的快速发展，其在医学教育中的应用日益广泛。全球范围内，AI在医学图像分析、疾病诊断模拟和虚拟患者互动等领域展现出显著优势，不仅提升了医学学习的精准性和交互性，更可能重塑现代医学教育的结构与模式。然而，中国与国际研究在关注焦点、方法框架及应用深度上存在明显差异。为此，本研究基于中国知网和Web of Science核心数据库，利用CiteSpace工具对中英文文献进行定量比较，旨在揭示两国研究的异同与发展轨迹。
材料与方法
研究检索了2014年至2024年间的中英文文献，中文数据来自CNKI，英文数据来自WoS核心合集。通过统一的布尔检索策略去重后，最终纳入379篇中文文献和552篇英文文献。使用CiteSpace 6.4.R1软件进行年度发文量、合作网络、关键词共现/聚类/突现检测以及共被引分析。时间切片设为1年，采用Pathfinder和Pruning sliced networks进行图谱修剪，确保分析的科学性与可视化效果。
结果分析
年度发文趋势
2014–2017年全球AI在医学教育领域的发文量增长缓慢，2018年起呈现稳步上升，2022年后显著激增。国际发文量始终高于中国，尤其在2023–2024年达到峰值。
国家与机构合作网络
美国以215篇发文量领先，中国以72篇位居第二。比利时在中心性排名中居首，与印度、巴基斯坦等国合作紧密。机构方面，哈佛大学以31篇领跑全球，而中国机构中发文最高的华西医院仅位列国内榜首，国际竞争力有待提升。国家共现网络显示，美国与加拿大、英国等西方国家合作密切，中国与西方国家的合作联系相对较弱。
关键词热点与演进阶段
国际研究热点经历三阶段演变：
- •
2015–2017年：深度学习技术应用于教学改革与课程反馈；
- •
2018–2020年：机器学习推动临床教学、模拟培训与医学影像研究；
- •
2021–2024年：大语言模型与生成式AI成为新前沿，ChatGPT在多领域应用凸显。
中国研究较早关注虚拟现实与医学影像，但在大数据和LLM领域滞后于国际。聚类分析显示，中国聚焦“新医科”“护理教育”等主题，国际则侧重“机器学习”“数字健康”等技术方向。
突现词与前沿动态
中国近年突现词为“虚拟现实”“教学实践”，体现技术应用导向；国际突现词包括“分类”“癌症”“医学教育培训”，反映AI在疾病专项教育中的工具化趋势。共被引分析表明，哈佛大学Kung Tiffany H.团队在ChatGPT辅助医学考试与临床决策研究中影响力突出。
讨论与展望
驱动因素与区域差异
技术突破、教育范式转变与政策支持共同推动AI在医学教育的应用。中国在“新医科”政策下注重教学改革与VR/AR融合，国际则更关注机器学习在疾病预测与伦理治理中的作用。
三大未来趋势
- 1.
生成式AI与LLM：通过动态文本生成与虚拟病例模拟提升互动学习，需解决语境相关性与实时更新挑战；
- 2.
个性化学习：基于学生数据设计自适应路径，但需规避算法偏见与隐私风险；
- 3.
沉浸式技术：VR/AR在手术模拟与解剖学习中潜力巨大，但成本与验证不足制约推广。
挑战与对策
数据隐私、算法偏见与AI幻觉是核心风险。需通过多元数据集验证、伦理模块嵌入课程提升AI素养，并加强跨学科合作以缩小区域研究差距。
结论
本研究通过跨国比较与知识图谱分析，揭示了中英文文献在AI医学教育研究中的热点分异与互补性。生成式AI、个性化学习与沉浸式技术将深刻重塑医学教育形态，呼吁教育者完善伦理框架与跨机构监测机制，推动可持续创新。
