史紀(jì)元,羅家音,王雪蓮,高亞,田金徽,李崢

(1. 中國(guó)醫(yī)學(xué)科學(xué)院北京協(xié)和醫(yī)學(xué)院 護(hù)理學(xué)院,北京 100044;2. 國(guó)家老年醫(yī)學(xué)中心北京醫(yī)院 血管外科,北京 100044;3. 國(guó)家老年醫(yī)學(xué)中心北京醫(yī)院 護(hù)理部;4.蘭州大學(xué) 循證醫(yī)學(xué)中心,甘肅 蘭州 730000;5.麥克馬斯特大學(xué) 衛(wèi)生研究方法證據(jù)與影響力系,加拿大 漢密爾頓 L8S4L8)

人工智能(artificial intelligence,AI)作為一門(mén)以計(jì)算機(jī)為基礎(chǔ)的交叉學(xué)科,旨在利用機(jī)器來(lái)模擬、延伸和擴(kuò)展人的智能,隨著其理論和技術(shù)的快速突破正引起各界的廣泛關(guān)注[1-2]。2017年7月,國(guó)務(wù)院制定了《新一代人工智能發(fā)展規(guī)劃》,將人工智能上升到國(guó)家戰(zhàn)略高度,其重要性不言而喻[2]。目前,AI在護(hù)理領(lǐng)域已經(jīng)得到了廣泛的應(yīng)用,如疾病的風(fēng)險(xiǎn)預(yù)測(cè)、護(hù)理決策、護(hù)理診斷[3-5]。隨著AI的不斷發(fā)展,其在護(hù)理領(lǐng)域的應(yīng)用方興未艾,展現(xiàn)出了廣闊的應(yīng)用前景[3-5]。近二十年來(lái)國(guó)內(nèi)外發(fā)表了大量AI護(hù)理相關(guān)研究,越來(lái)越多的研究者關(guān)注這一領(lǐng)域,AI與護(hù)理的交叉融合既存在巨大的機(jī)遇也面臨著諸多挑戰(zhàn)。因此,分析國(guó)內(nèi)外AI護(hù)理研究的相關(guān)進(jìn)展、熱點(diǎn)和前沿具有重要的科研和臨床指導(dǎo)價(jià)值。本研究對(duì)Web of Science和中國(guó)知網(wǎng)(Chinese national knowledge infrastructure,CNKI)數(shù)據(jù)庫(kù)中收錄的護(hù)理AI研究進(jìn)行分析,以期為我國(guó)研究者了解這一領(lǐng)域的研究熱點(diǎn)和前沿提供參考,推動(dòng)AI在護(hù)理領(lǐng)域的應(yīng)用。

1 資料和方法

1.1 數(shù)據(jù)來(lái)源 計(jì)算機(jī)檢索Web of Science和CNKI數(shù)據(jù)庫(kù),納入2002年5月至2022年5月發(fā)表的護(hù)理領(lǐng)域的AI研究。排除:(1)會(huì)議論文、計(jì)劃書(shū)、學(xué)位論文信件;(2)與護(hù)理無(wú)關(guān)和未體現(xiàn)AI技術(shù)的研究;(3)非中英文研究。 英文檢索詞包括:artificial intelligence、computational intelligence、machine intelligence、machine learning、computer reasoning、deep learning、natural language processing、nursing、nurse等;中文檢索詞包括:人工智能、計(jì)算智能、機(jī)器智能、機(jī)器學(xué)習(xí)、計(jì)算機(jī)推理、深度學(xué)習(xí)、自然語(yǔ)言處理、護(hù)理、護(hù)士等。兩名研究者根據(jù)納入排除標(biāo)準(zhǔn)分別對(duì)文獻(xiàn)進(jìn)行篩選,存在不一致意見(jiàn)的文獻(xiàn)與第三位研究者討論后決定。

1.2 資料分析方法 利用Web of Science和CNKI數(shù)據(jù)庫(kù)獲得AI護(hù)理研究的年份、關(guān)鍵詞、引用次數(shù)等信息[6-7]。使用VOSviewer 1.6.13軟件對(duì)納入AI護(hù)理研究的關(guān)鍵詞進(jìn)行提取和整理,并生成合作網(wǎng)絡(luò)或共現(xiàn)網(wǎng)絡(luò)[8]。同時(shí)利用Cite Space 5.8.R3軟件對(duì)關(guān)鍵詞共現(xiàn)進(jìn)行突發(fā)性檢測(cè)分析。

2 結(jié)果

2.1 檢索結(jié)果與時(shí)間分布 對(duì)檢索到的12 896篇文獻(xiàn)進(jìn)行篩選后,共有427篇英文文獻(xiàn)和179篇中文文獻(xiàn)符合納入排除標(biāo)準(zhǔn)。2019年之前每年發(fā)表的英文AI護(hù)理研究均未超過(guò)20篇, 2019、2020、2021年發(fā)表的AI護(hù)理研究數(shù)量分別達(dá)到了46、85、151篇,這一領(lǐng)域的發(fā)文量在近幾年呈現(xiàn)指數(shù)級(jí)增長(zhǎng)。2019年之前每年發(fā)表的中文AI護(hù)理研究均少于20篇 ,2019、2020、2021年發(fā)表的AI護(hù)理研究數(shù)量分別達(dá)到了21、30、43篇,發(fā)文量也呈快速增長(zhǎng),見(jiàn)圖1。

圖1 中英文AI護(hù)理研究發(fā)文量趨勢(shì)圖

2.2 英文高頻關(guān)鍵詞分布與聚類分析 英文研究中主要高頻關(guān)鍵詞包括:機(jī)器學(xué)習(xí)(87次)、AI(71次)、風(fēng)險(xiǎn)(40次)、護(hù)理(37次)、預(yù)測(cè)(34次)、自然語(yǔ)言處理(33次)、管理(25次)、護(hù)理診斷(23次)、護(hù)理決策系統(tǒng)(22次)和死亡率(21次)。對(duì)出現(xiàn)頻次≥10的28個(gè)關(guān)鍵詞進(jìn)行聚類分析,最終聚成4類:第一個(gè)聚類包括自然語(yǔ)言處理、護(hù)理診斷、護(hù)理決策系統(tǒng)、護(hù)理信息等6個(gè)關(guān)鍵詞,主要關(guān)注了自然語(yǔ)言處理等AI技術(shù)在護(hù)理診斷、護(hù)理決策和護(hù)理信息管理中的應(yīng)用;第二個(gè)聚類包括機(jī)器學(xué)習(xí)、預(yù)測(cè)、大數(shù)據(jù)、模型等6個(gè)關(guān)鍵詞,主要關(guān)注了機(jī)器學(xué)習(xí)等AI技術(shù)在構(gòu)建預(yù)測(cè)模型中的應(yīng)用;第三個(gè)聚類包括AI、技術(shù)、護(hù)理、健康和質(zhì)量等7個(gè)關(guān)鍵詞,主要關(guān)注了AI技術(shù)在提高護(hù)理質(zhì)量中的應(yīng)用;第四個(gè)聚類包括風(fēng)險(xiǎn)、壓瘡、預(yù)防、管理、死亡率、發(fā)生率等9個(gè)關(guān)鍵詞,主要關(guān)注了AI技術(shù)在疾病風(fēng)險(xiǎn)識(shí)別和護(hù)理管理中的應(yīng)用,見(jiàn)圖2。

圖2 關(guān)鍵詞聚類分析結(jié)果(英文頻次≥10;中文頻次≥3)

2.3 中文高頻關(guān)鍵詞分布與聚類分析 中文研究中主要高頻關(guān)鍵詞包括:AI(94次)、護(hù)理(41次)、綜述(36次)、護(hù)理機(jī)器人(34次)、機(jī)器學(xué)習(xí)(20次)、老年人(14次)、大數(shù)據(jù)(9次)、應(yīng)用(9次)和預(yù)測(cè)模型(9次)。對(duì)出現(xiàn)頻次≥3次的24個(gè)關(guān)鍵詞進(jìn)行聚類分析,共形成3個(gè)聚類:第一個(gè)聚類包括AI、護(hù)理、護(hù)理機(jī)器人、應(yīng)用等9個(gè)關(guān)鍵詞,主要關(guān)注了護(hù)理機(jī)器人的開(kāi)發(fā)與應(yīng)用;第二個(gè)聚類包括綜述、人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等6個(gè)關(guān)鍵詞,主要關(guān)注了AI技術(shù)在護(hù)理決策和數(shù)據(jù)挖掘中的應(yīng)用;第三個(gè)聚類包括機(jī)器學(xué)習(xí)、預(yù)測(cè)模型、大數(shù)據(jù)等9個(gè)關(guān)鍵詞,主要關(guān)注了AI技術(shù)在構(gòu)建風(fēng)險(xiǎn)預(yù)測(cè)模型中的應(yīng)用,見(jiàn)圖2。

2.4 高被引文獻(xiàn) 被引次數(shù)最高的10篇英文論文分別關(guān)注了AI算法在護(hù)理排班中的應(yīng)用[9]、護(hù)理機(jī)器人研發(fā)[10]、護(hù)士排班智能算法[11]、基于機(jī)器學(xué)習(xí)構(gòu)建新入院患者譫妄發(fā)生風(fēng)險(xiǎn)預(yù)測(cè)模型[12]、基于深度學(xué)習(xí)的示波法血壓估計(jì)[13]、基于機(jī)器學(xué)習(xí)構(gòu)建重癥監(jiān)護(hù)病房再入院預(yù)測(cè)模型[14]、護(hù)士排班優(yōu)化AI算法[15]、虛擬患者培訓(xùn)師在兒科教育中的應(yīng)用[16]、護(hù)理機(jī)器人的可接受性與經(jīng)驗(yàn)[17]和基于自然語(yǔ)言處理的護(hù)理交班系統(tǒng)[18]。由于高被引中文論文較少且均為綜述類研究,未進(jìn)一步展開(kāi)分析。

2.5 突發(fā)主題 關(guān)鍵詞共現(xiàn)突發(fā)性檢測(cè)是指關(guān)鍵詞在一段時(shí)間內(nèi)被頻繁的使用情況,關(guān)鍵詞共現(xiàn)突發(fā)性檢測(cè)可以反映特定領(lǐng)域的研究熱點(diǎn)和前沿。圖3呈現(xiàn)了前20位的突發(fā)關(guān)鍵詞,英文研究突發(fā)關(guān)鍵詞最早出現(xiàn)的是數(shù)據(jù)挖掘、決策支持和護(hù)士排班,最近出現(xiàn)的突發(fā)關(guān)鍵詞是風(fēng)險(xiǎn)和機(jī)器學(xué)習(xí)。中文研究最早出現(xiàn)的突發(fā)關(guān)鍵詞是風(fēng)險(xiǎn)管理、門(mén)診量,最近出現(xiàn)的是預(yù)測(cè)模型、眼科護(hù)理、神經(jīng)網(wǎng)絡(luò)等,但突發(fā)強(qiáng)度均較低且持續(xù)時(shí)間較短,這與綜述類研究較多有關(guān)。

圖3 AI中英文護(hù)理研究關(guān)鍵詞突發(fā)性檢測(cè)前20位

3 討論

3.1 AI護(hù)理研究現(xiàn)狀 本文共納入了427篇英文和179篇中文AI護(hù)理研究,中英文研究在2019年之前年均發(fā)文量均 未超過(guò)20篇 ,這表明AI在護(hù)理領(lǐng)域的研究和應(yīng)用較晚。2018年后,中英文AI護(hù)理研究發(fā)文量均呈現(xiàn)快速增長(zhǎng)。 雖然AI在護(hù)理領(lǐng)域起步較晚,但隨著計(jì)算機(jī)儲(chǔ)存和計(jì)算能力的快速增長(zhǎng),以及深度學(xué)習(xí)、自然語(yǔ)言處理等AI技術(shù)的不斷發(fā)展,AI在護(hù)理領(lǐng)域展現(xiàn)出了巨大的應(yīng)用前景,并引起護(hù)理研究者廣泛的關(guān)注。來(lái)自美國(guó)的作者參與了36.30%的英文研究,美國(guó)在計(jì)算機(jī)和AI技術(shù)方面的領(lǐng)先地位使其在這一領(lǐng)域具有一定優(yōu)勢(shì),而我國(guó)大多數(shù)作者只參與發(fā)表了一篇文章,仍然缺乏長(zhǎng)期從事這一領(lǐng)域的高產(chǎn)作者。目前,哥倫比亞大學(xué)護(hù)理學(xué)院在這一領(lǐng)域產(chǎn)出最多,參與研究數(shù)量最多的Topaz、Cato和Rossetti 均來(lái)自這一單位,這說(shuō)明哥倫比亞大學(xué)護(hù)理學(xué)院在這一領(lǐng)域具有重要影響力,國(guó)內(nèi)學(xué)者在尋求合作時(shí)可重點(diǎn)關(guān)注。根據(jù)對(duì)高被引論文和高產(chǎn)作者合作作者單位判斷,他們都在跨學(xué)科成員的參與下完成了各自的研究,這表明AI護(hù)理研究中跨學(xué)科合作的重要性。這也提示我國(guó)應(yīng)重視培養(yǎng)具有信息學(xué)、工程學(xué)等跨學(xué)科知識(shí)背景、研究方法、思維能力以及合作能力的護(hù)理人才,這對(duì)于推動(dòng)AI在護(hù)理領(lǐng)域的發(fā)展至關(guān)重要。

3.2 AI護(hù)理研究的熱點(diǎn)與趨勢(shì) 機(jī)器學(xué)習(xí)、風(fēng)險(xiǎn)、預(yù)測(cè)、自然語(yǔ)言處理、管理、護(hù)理診斷、護(hù)理決策系統(tǒng)、死亡率是除AI和護(hù)理之外出現(xiàn)頻次最高的英文研究關(guān)鍵詞。結(jié)合聚類來(lái)看,英文研究主要關(guān)注了:(1)AI技術(shù)在構(gòu)建預(yù)測(cè)模型中的應(yīng)用,其中由Alderden等[19]基于機(jī)器學(xué)習(xí)構(gòu)建的壓力性損傷風(fēng)險(xiǎn)預(yù)測(cè)模型在近幾年被大量引用,該領(lǐng)域的研究者可以重點(diǎn)關(guān)注;(2)AI技術(shù)在護(hù)理診斷、護(hù)理決策和護(hù)理信息提取和管理中的應(yīng)用,如開(kāi)發(fā)自然語(yǔ)言處理軟件識(shí)別護(hù)理文書(shū)、語(yǔ)音錄入、提取數(shù)據(jù)等[20];(3)AI技術(shù)在提高護(hù)理質(zhì)量中的應(yīng)用,如利用患者病情監(jiān)測(cè)系統(tǒng)提高護(hù)理質(zhì)量和效率[4];(4)將基于AI技術(shù)用于疾病風(fēng)險(xiǎn)識(shí)別和護(hù)理管理,如利用風(fēng)險(xiǎn)預(yù)測(cè)模型區(qū)分高危人群并針對(duì)性開(kāi)展護(hù)理工作和解決護(hù)士排班或日程安排問(wèn)題[11]。中英文AI護(hù)理研究在研究方向上具有相似性,中文研究關(guān)注最多的也是以機(jī)器學(xué)習(xí)為代表的AI技術(shù)在構(gòu)建預(yù)測(cè)模型中的應(yīng)用,其次是AI技術(shù)在護(hù)理決策和數(shù)據(jù)挖掘中的應(yīng)用及AI護(hù)理機(jī)器人的開(kāi)發(fā)與應(yīng)用。但值得注意的是中文研究中綜述占到了較大比重,缺乏基礎(chǔ)型和應(yīng)用型研究且主題詞范圍較窄。從關(guān)鍵詞突發(fā)性檢測(cè)結(jié)果來(lái)看,早期的英文研究主要關(guān)注了數(shù)據(jù)挖掘、決策支持系統(tǒng)和護(hù)士排班算法等,近年來(lái)主要關(guān)注了機(jī)器學(xué)習(xí)在預(yù)測(cè)模型構(gòu)建中的應(yīng)用。中文研究早期主要關(guān)注了人工神經(jīng)網(wǎng)絡(luò)、臨床決策支持系統(tǒng)、風(fēng)險(xiǎn)管理,近年來(lái)預(yù)測(cè)模型、神經(jīng)網(wǎng)絡(luò)、癡呆等是中文文獻(xiàn)關(guān)注的重點(diǎn)。結(jié)合關(guān)鍵詞出現(xiàn)的時(shí)間和突發(fā)性檢測(cè)結(jié)果來(lái)看,機(jī)器學(xué)習(xí)是近年來(lái)AI在國(guó)內(nèi)外護(hù)理領(lǐng)域最前沿、最 熱門(mén)的分支之一,而深度學(xué)習(xí)是近年來(lái)眾多機(jī)器學(xué)習(xí)算法中最受關(guān)注的技術(shù)之一。AI在其他醫(yī)學(xué)領(lǐng)域已經(jīng)得到了廣泛和成熟的應(yīng)用,相比而言,國(guó)內(nèi)外護(hù)理領(lǐng)域AI研究的數(shù)量和主題均較少[8]。AI在護(hù)理領(lǐng)域的發(fā)展仍處于起步階段且具有較大拓展空間,隨著科研能力和教育水平的飛速發(fā)展,我國(guó)學(xué)者在這一領(lǐng)域仍有相當(dāng)大的潛力。