張山，崔薇，吳瑛

(首都醫(yī)科大學(xué)護(hù)理學(xué)院 成人護(hù)理學(xué)學(xué)系，北京 100069)

面對日益嚴(yán)重的老齡化現(xiàn)象，世界各國采用各種手段來減緩老齡化帶來的不良結(jié)局[1]。人工智能(artificial intelligence，AI)是一種能使計算機(jī)系統(tǒng)或計算機(jī)控制的機(jī)器人進(jìn)行“學(xué)習(xí)、推理、感知、交流，并做出類似于或優(yōu)于人類決策”的技術(shù)[2]。AI已經(jīng)融入到我們的日常生活中，如手機(jī)的使用、智能電視、可穿戴設(shè)備等技術(shù)。本文采用可視化圖譜方式[3]，描述AI在老年照護(hù)中的關(guān)注熱點和發(fā)展趨勢，為學(xué)者進(jìn)一步選題和開發(fā)AI提供思路和參考。

1 資料與方法

1.1 文獻(xiàn)檢索策略 檢索Web of Science核心合集數(shù)據(jù)庫，檢索詞為“artificial intelligence/machine learning /deep learning”AND “elderly/elderly patients/elder*”O(jiān)R“aged/old people/older adults”O(jiān)R“geriatrics/senile/seniors”。檢索時間為建庫至2022年4月，文獻(xiàn)類型為article和review。

1.2 研究方法 采用CiteSpace 6.1.R1軟件繪制科學(xué)圖譜的方法對AI在老年照護(hù)中的文獻(xiàn)進(jìn)行分析[4]，包括每年發(fā)文量、國家、關(guān)鍵詞及關(guān)鍵詞聚類和突現(xiàn)分析。(1)采用CiteSpace 6.1.R1軟件，進(jìn)行相關(guān)參數(shù)設(shè)置，時間范圍為1992年1月至2022年4月，時間分區(qū)為1年，網(wǎng)絡(luò)連接強(qiáng)度為Cosine。(2)發(fā)文量分析：閾值為TOP 50，采用Excel軟件統(tǒng)計該領(lǐng)域的每年發(fā)文量。(3)發(fā)文國家：節(jié)點類型選擇country，閾值為TOP 50。(4)高頻關(guān)鍵詞分析：節(jié)點類型選擇keyword，閾值為TOP 30，關(guān)鍵詞初步分析數(shù)據(jù)后，采用最小生成樹法和修剪切片網(wǎng)絡(luò)對圖譜進(jìn)行修剪，并將意義相同的關(guān)鍵詞進(jìn)行合并。(5)關(guān)鍵詞聚類分析：應(yīng)用CiteSpace 6.1.R1軟件把相似的關(guān)鍵詞聚成一類，應(yīng)用模塊聚類，采用Log-Likelihood Ratio算法對關(guān)鍵詞進(jìn)行聚類分析。選擇Show The Largest K Connected Components Only得出聚類模塊值Q值以及聚類平均輪廓值S值的聚類圖譜，一般認(rèn)為Q值>0.3說明聚類結(jié)構(gòu)顯著，S值>0.5說明聚類合理。聚類編號由“#”和數(shù)字組成，編號越小表明該聚類下包含的內(nèi)容越多。(6)關(guān)鍵詞突現(xiàn)分析：突發(fā)檢測的靈敏度為2.0，伽馬值γ為1.0，最小持續(xù)時間設(shè)置為1。

2 結(jié)果

2.1 文獻(xiàn)發(fā)表年限分布 初檢13 787篇文章，排除593篇與主題不符或重復(fù)文獻(xiàn)，最終納入13 194篇，發(fā)文量呈逐年上升趨勢(圖1)。

圖1 人工智能在老年照護(hù)中研究的每年發(fā)文量

2.2 發(fā)文國家 發(fā)文國家共現(xiàn)情況顯示節(jié)點為146，表示共有146個國家/地區(qū)發(fā)表了AI在老年照護(hù)中研究；節(jié)點越大，表示該國家發(fā)表文章數(shù)量越多。發(fā)文最多國家為美國(4439篇，33.64%)，其次是中國(2717篇，20.59%)、英國(1310篇，9.93%)、德國(952篇，6.83%)、加拿大(803篇，6.09%)、日本(516篇，3.91%)等。

2.3 關(guān)鍵詞

2.3.1 高頻關(guān)鍵詞 共有211個節(jié)點，516條連線，網(wǎng)絡(luò)密度為0.0233?！皺C(jī)器學(xué)習(xí)(machine learning)”出現(xiàn)頻次最高，為2828次，出現(xiàn)頻率排位前20的關(guān)鍵詞見表1。

表1 排名前20的人工智能在老年照護(hù)中研究的關(guān)鍵詞

2.3.2 關(guān)鍵詞聚類分析 關(guān)鍵詞聚類分析凸顯了該研究領(lǐng)域的研究熱點，本研究聚類模塊值Q值為0.5071，聚類平均輪廓值S值為0.7517，說明該圖譜聚類合理，能代表該研究領(lǐng)域的研究熱點。聚類結(jié)果為#0 risk factors(危險因素)、#1 machine learning(機(jī)器學(xué)習(xí))、#2 functional connectivity(功能連接)、#3 alzheimers disease(阿爾茲海默癥)、#4 fall detection(跌倒檢測)、#5 care(照護(hù))、#6 deep learning(深度學(xué)習(xí))、#7 DNA methylation(DNA甲基化)、#8 data models(數(shù)據(jù)模型)。

2.3.3 關(guān)鍵詞突現(xiàn) AI在老年照護(hù)領(lǐng)域中近年英文突現(xiàn)詞為特征抽取、計算機(jī)斷層掃描、預(yù)防、預(yù)測模型，預(yù)測該領(lǐng)域的發(fā)展趨勢和研究前沿，見圖2。

3 討論

在科技迅猛發(fā)展的時代，老年照護(hù)正在探索應(yīng)用AI技術(shù)為有需要的老年人提供個性化照護(hù)。例如，通過基于智能技術(shù)的物聯(lián)網(wǎng)收集老年人的重要健康信息，AI對信息進(jìn)行評估并做出決策，最后執(zhí)行相應(yīng)的照護(hù)任務(wù)。AI的發(fā)展與進(jìn)步可以幫助老年人檢查其身體健康狀況，為其提供陪伴等[5]。因此，本文分析AI在老年照護(hù)領(lǐng)域的研究，以明確目前該領(lǐng)域的研究現(xiàn)狀與發(fā)展趨勢。

3.1 人工智能在老年照護(hù)中的研究現(xiàn)狀與趨勢 目前，AI在老年照護(hù)中的研究迅速增加，尤其是到2016年之后，發(fā)文量呈直線上升趨勢。可能是由于隨著全球老齡化人口的迅速增加，以及電子信息技術(shù)和軟件編程技術(shù)的快速發(fā)展與進(jìn)步。發(fā)文量排名較前的國家一般為科技水平發(fā)達(dá)或者人口老齡化嚴(yán)重的國家，且各國間的合作較為密切?？赡苁怯捎诟鲊丝诶淆g化日益嚴(yán)重，經(jīng)濟(jì)體制轉(zhuǎn)型和社會轉(zhuǎn)型對老年人智能養(yǎng)老服務(wù)的需求日益強(qiáng)烈，在養(yǎng)老資源短缺的現(xiàn)狀下，各國對于如何提供智能的養(yǎng)老照護(hù)服務(wù)都產(chǎn)生了共鳴。通過分析智能養(yǎng)老照護(hù)的現(xiàn)狀和發(fā)展趨勢，并借鑒他國的經(jīng)驗，為智能養(yǎng)老照護(hù)的發(fā)展提供了對策和建議。

圖2 人工智能在老年照護(hù)領(lǐng)域中英文突現(xiàn)詞

基于英文突現(xiàn)詞來預(yù)測未來AI在老年照護(hù)領(lǐng)域中研究趨勢和研究前沿，包括特征抽取、計算機(jī)斷層掃描、預(yù)防和預(yù)測模型。計算機(jī)斷層掃描在臨床工作中可用于多種疾病的檢查，可以利用精確的X線、γ射線等對身體的某一部位進(jìn)行斷面掃描，收集較多的數(shù)據(jù)信息[6]，可以作為未來研究信息收集的重要途徑。但是，由于收集的信息數(shù)量較多且復(fù)雜，因此，未來研究可以利用主要成分?jǐn)?shù)據(jù)分析、線性鑒別分析等方法對數(shù)據(jù)進(jìn)行特征抽取，進(jìn)而達(dá)到分類的目的。采用特征抽取方法提取出分類能力強(qiáng)、具有高穩(wěn)定性完成預(yù)定工作的特征是建基于AI的老年照護(hù)系統(tǒng)的關(guān)鍵，也是當(dāng)前的研究熱點及前沿[7]。例如，Handa等[7]以304張彌漫性肺部疾病患者的高分辨率CT 掃描圖像為訓(xùn)練集，采用特征抽取的方法開發(fā)了基于AI的CT定量圖像分析系統(tǒng)。該系統(tǒng)能夠自動分類和量化胸部CT成像中的10種類型的實質(zhì)病變和氣道容積，為準(zhǔn)確評估特發(fā)性肺纖維化提供了信息。此外，未來研究還可進(jìn)一步利用AI技術(shù)對于老年人常見疾病構(gòu)建預(yù)測模型，以利于臨床護(hù)理工作人員早期識別各類疾病的高危人群，進(jìn)而早期采取疾病的預(yù)防護(hù)理措施，減少疾病帶來的不良臨床結(jié)局[8]。

3.2 老年照護(hù)的人工智能技術(shù)研究 本研究高頻關(guān)鍵詞中包括機(jī)器學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)。基于關(guān)鍵詞聚類分析發(fā)現(xiàn)，AI在老年照護(hù)中的研究熱點主要集中在#1 machine learning(機(jī)器學(xué)習(xí))、#6 deep learning(深度學(xué)習(xí))、#8 data models(數(shù)據(jù)模型)。機(jī)器學(xué)習(xí)是AI的核心，主要是設(shè)計算法使計算機(jī)可以自動學(xué)習(xí)。深度學(xué)習(xí)則屬于機(jī)器學(xué)習(xí)的子類，模擬人類大腦進(jìn)行數(shù)據(jù)分析和解釋。老年照護(hù)的AI技術(shù)研究有賴于機(jī)器學(xué)習(xí)等手段來構(gòu)建與分析[9]。老年照護(hù)過程中會產(chǎn)生大量的潛在有用的信息和知識，采用AI技術(shù)挖掘出大量歷史數(shù)據(jù)之間的關(guān)聯(lián)、規(guī)則；基于收集到的信息建立模型(模型訓(xùn)練)，然后再用剩余數(shù)據(jù)驗證模型(模型測試)。建模是一個反復(fù)迭代的過程，通過反復(fù)訓(xùn)練和驗證得到最優(yōu)的參數(shù)，確保獲得較好的準(zhǔn)確率。例如，Liu等[10]綜述了近十年基于AI技術(shù)對阿爾茨海默病早期階段診斷的方法，主要是使用各種特征提取和機(jī)器學(xué)習(xí)技術(shù)，實現(xiàn)了疾病早期診斷、預(yù)防和處理。

3.3 老年照護(hù)的人工智能應(yīng)用研究

3.3.1 疾病預(yù)測模型的構(gòu)建 隨著年齡增加，老年人的運動、感官、認(rèn)知功能下降，患有慢性病數(shù)量有所增加，進(jìn)而導(dǎo)致預(yù)后差、易出現(xiàn)多器官功能障礙等[11]。因此，越來越多的學(xué)者充分利用AI應(yīng)用于老年人群中各類疾病的預(yù)測、危險因素識別、疾病評估及診斷。本研究高頻關(guān)鍵詞中包括疾病、危險因素、患病率、診斷、處理；關(guān)鍵詞聚類包括#0 risk factors(危險因素)、#3 alzheimers disease(阿爾茲海默癥)、#4 fall detection(跌倒檢測)。老年照護(hù)的AI應(yīng)用研究主要有早期識別各類疾病的危險因素和高危人群，有利于減緩老齡化帶來的疾病負(fù)擔(dān)、個人負(fù)擔(dān)、家庭負(fù)擔(dān)和社會負(fù)擔(dān)。例如，基于可解釋AI的阿爾茨海默病多層多模態(tài)檢測與預(yù)測模型[12]、利用健康篩查數(shù)據(jù)建立老年人自殺預(yù)測模型[13]等。Wu等[14]基于深度學(xué)習(xí)模型構(gòu)建了輔助老年人實現(xiàn)遠(yuǎn)程醫(yī)療服務(wù)的決策模塊，通過深度神經(jīng)網(wǎng)絡(luò)和分類器得到老年人慢性疾病的預(yù)測概率。

3.3.2 老年人日常生活的照護(hù) 此外，還有諸多學(xué)者應(yīng)用AI來輔助老年人的日常照護(hù)，如輔助康復(fù)、娛樂陪伴、日常生活幫助、慢病管理等。本研究關(guān)鍵詞聚類包括#5 care(照護(hù))。Abdi等[15]采用范圍綜述的方法探討了社會輔助機(jī)器人在老年人照護(hù)中的使用情況，納入61篇文獻(xiàn)，總結(jié)了5種作用：情感治療、認(rèn)知訓(xùn)練、社會促進(jìn)、陪伴和生理治療。AI聊天機(jī)器人在日常生活中可以無障礙地與老年人交流，提醒認(rèn)知功能障礙的老年人吃藥、定期體檢、督促鍛煉、改善老年人的生活方式，并且能夠幫助預(yù)測并預(yù)防高血壓或心率不齊；還能陪伴老人助于消除老人的孤獨感，提升老年人關(guān)懷。Petersen等[16]應(yīng)用機(jī)器人寵物陪伴老年癡呆患者，發(fā)現(xiàn)老年人的壓力和焦慮水平有所下降，而且使用精神活性藥物和疼痛藥物的劑量也減少。Chen等[17]基于康復(fù)學(xué)、運動學(xué)和力學(xué)等知識，應(yīng)用AI研發(fā)出能夠輔助老年人進(jìn)行上肢主動、輔助和被動三種康復(fù)模式的機(jī)器人，物理治療師和6名參與者均表示該機(jī)器人在輔助康復(fù)過程中發(fā)揮積極作用。

4 展望

AI在老年照護(hù)中的應(yīng)用越來越多，許多數(shù)據(jù)可以從老年人的醫(yī)療記錄或可穿戴設(shè)備中獲取，通過詳細(xì)分析獲得的大量數(shù)據(jù)，不僅可以為老年人的生活方式提供建議，還能根據(jù)個人的需求和習(xí)慣生成旨在改善生活質(zhì)量的照護(hù)方案。未來還需應(yīng)用AI技術(shù)開發(fā)用戶友好的實用程序，在老年人群中進(jìn)行可用性和有效性的驗證。