大數(shù)據(jù)與人工智能技術(shù)的迅速發(fā)展，為圖書情報學(xué)的理論與實踐創(chuàng)新注人了強勁動力，推動醫(yī)學(xué)圖書館從傳統(tǒng)文獻(xiàn)管理向智能化、數(shù)據(jù)驅(qū)動的知識服務(wù)轉(zhuǎn)型。不僅有助于提升醫(yī)學(xué)科研和臨床決策的效率，還能有效促進(jìn)多學(xué)科交叉融合，為健康信息服務(wù)模式創(chuàng)新提供了新的機遇。當(dāng)前，國內(nèi)外在醫(yī)學(xué)信息學(xué)、健康信息學(xué)以及圖書情報學(xué)的交叉領(lǐng)域展開了大量探索1。國外學(xué)者主要關(guān)注健康數(shù)據(jù)挖掘、弱勢群體健康信息服務(wù)等主題，而國內(nèi)研究則聚焦在醫(yī)院圖書館的角色優(yōu)化、碎片化閱讀行為分析以及跨學(xué)科資源整合等方向。對此，有必要進(jìn)一步梳理大數(shù)據(jù)與AI在醫(yī)學(xué)圖書情報領(lǐng)域的應(yīng)用現(xiàn)狀與趨勢，為推動我國醫(yī)學(xué)圖書情報服務(wù)的智能化升級和高質(zhì)量發(fā)展提供參考。

1大數(shù)據(jù)與AI在醫(yī)學(xué)圖書情報服務(wù)中的主要應(yīng)用

1.1知識圖譜驅(qū)動的醫(yī)學(xué)圖書情報智能檢索

在醫(yī)學(xué)圖書情報領(lǐng)域，知識圖譜廣泛應(yīng)用于醫(yī)學(xué)文獻(xiàn)的智能檢索、科研數(shù)據(jù)分析和臨床決策支持等方面，能夠極大地提升信息的檢索效率和服務(wù)質(zhì)量。通過將醫(yī)學(xué)術(shù)語、疾病、藥物、治療方法等醫(yī)學(xué)實體之間的關(guān)系進(jìn)行系統(tǒng)化整合，知識圖譜不僅有助于解決傳統(tǒng)檢索方式中信息碎片化的問題，還能通過語義分析深化醫(yī)學(xué)信息檢索的深度。大數(shù)據(jù)與人工智能技術(shù)的結(jié)合，尤其是深度學(xué)習(xí)和自然語言處理的應(yīng)用，進(jìn)一步增強了知識圖譜在醫(yī)學(xué)圖書情報服務(wù)中的作用。大數(shù)據(jù)提供了龐大的醫(yī)學(xué)數(shù)據(jù)支持，知識圖譜則通過對這些數(shù)據(jù)進(jìn)行結(jié)構(gòu)化和語義化處理，幫助用戶精準(zhǔn)定位信息2。AI技術(shù)，尤其是機器學(xué)習(xí)與深度學(xué)習(xí)，能夠從海量數(shù)據(jù)中識別出潛在的關(guān)系和模式，并實時更新圖譜中的信息，從而提高檢索和推薦的精準(zhǔn)度和智能化水平。PubMed通過構(gòu)建醫(yī)學(xué)主題詞（MeSH）知識圖譜，結(jié)合大數(shù)據(jù)分析和AI技術(shù)，能夠根據(jù)疾病、治療方法等醫(yī)學(xué)實體之間的復(fù)雜關(guān)系，自動化地推薦相關(guān)文獻(xiàn)，提高檢索效率。同樣，國內(nèi)如知網(wǎng)等平臺也采用知識圖譜技術(shù)，通過整合醫(yī)學(xué)資源并利用大數(shù)據(jù)挖掘，提升了學(xué)術(shù)資源的關(guān)聯(lián)性和檢索效率，從而為科研人員和臨床醫(yī)生提供更加高效和精準(zhǔn)的情報服務(wù)[3]。

1.2健康數(shù)據(jù)挖掘助力醫(yī)學(xué)圖書情報個性化服務(wù)

近年來，國家陸續(xù)出臺《關(guān)于促進(jìn)和規(guī)范健康醫(yī)療大數(shù)據(jù)應(yīng)用發(fā)展的指導(dǎo)意見》《國家健康醫(yī)療大數(shù)據(jù)標(biāo)準(zhǔn)、安全和服務(wù)管理辦法（試行）》等一系列政策法規(guī)，從頂層設(shè)計到具體實施進(jìn)行了全面布局、規(guī)范與引導(dǎo)，推動健康醫(yī)療大數(shù)據(jù)技術(shù)向好發(fā)展，同時為健康醫(yī)療大數(shù)據(jù)的應(yīng)用營造了良好的政策環(huán)境，健康數(shù)據(jù)挖掘在醫(yī)學(xué)圖書情報服務(wù)中的應(yīng)用日益廣泛，特別是在實現(xiàn)個性化服務(wù)方面展現(xiàn)了巨大潛力。通過對用戶行為、健康數(shù)據(jù)及科研需求的深度分析，數(shù)據(jù)挖掘技術(shù)為醫(yī)學(xué)圖書情報服務(wù)提供了精準(zhǔn)的量身定制方案。能夠根據(jù)用戶的需求和偏好，智能化地推送相關(guān)文獻(xiàn)、健康信息及科研資源，從而大幅提升用戶體驗和服務(wù)效率4。例如，華中科技大學(xué)同濟醫(yī)學(xué)院附屬同濟醫(yī)院圖書館借助大數(shù)據(jù)技術(shù)，通過用戶需求調(diào)查和用戶空間行為分析確定醫(yī)院圖書館空間再造重點并篩選核心用戶，并通過小組訪談的文本分析，實現(xiàn)用戶參與空間再造過程。而在2024年3月，北京國際大數(shù)據(jù)交易所正式發(fā)布了首批100個人工智能大模型高質(zhì)量訓(xùn)練數(shù)據(jù)集，其中涉及醫(yī)療健康、醫(yī)藥研發(fā)場景的約20個數(shù)據(jù)集，也充分展示了大數(shù)據(jù)和AI技術(shù)在醫(yī)學(xué)圖書情報領(lǐng)域的發(fā)展?jié)摿Α?/p>

1.3數(shù)據(jù)分析賦能醫(yī)學(xué)科研與圖書情報決策支持

隨著數(shù)據(jù)分析技術(shù)的不斷進(jìn)步，醫(yī)學(xué)科研與圖書情報決策支持的智能化水平得到了顯著提高。通過大數(shù)據(jù)和人工智能（AI）的深度應(yīng)用，醫(yī)學(xué)圖書情報服務(wù)不僅能夠為科研人員提供精準(zhǔn)的文獻(xiàn)資源，還能夠為臨床決策提供數(shù)據(jù)支持，助力醫(yī)學(xué)領(lǐng)域的創(chuàng)新與發(fā)展。以中山醫(yī)院聯(lián)合復(fù)旦大學(xué)類腦研究團隊等自主研發(fā)的人工智能醫(yī)生為例，該系統(tǒng)能夠通過自動化獲取患者行走時的步態(tài)特征、面部表情、語音和言語復(fù)述情況，分析患者的腦功能狀況。通過數(shù)據(jù)分析與深度學(xué)習(xí)算法，該系統(tǒng)可以判斷是否存在腦功能障礙，并對影像學(xué)結(jié)果進(jìn)行智能化判讀，診斷的特異性已達(dá)到 95% 。不僅提升了醫(yī)學(xué)診斷的效率與精準(zhǔn)度，還為醫(yī)學(xué)圖書情報服務(wù)提供了新的數(shù)據(jù)支持模式，幫助醫(yī)生快速獲取相關(guān)病例資料和研究成果，進(jìn)一步促進(jìn)精準(zhǔn)醫(yī)療的發(fā)展。在國外，英國國家衛(wèi)生服務(wù)系統(tǒng)（NHS）、美國“健康信息交換（HIE）”系統(tǒng)和澳大利亞電子的健康記錄（eHealth）系統(tǒng)都分別管理著大量的病歷檔案。上述系統(tǒng)廣泛應(yīng)用大數(shù)據(jù)與人工智能（AI）技術(shù)，通過對患者數(shù)據(jù)的深度分析與共享，顯著提高了臨床決策支持的質(zhì)量與效率。

2醫(yī)學(xué)圖書情報服務(wù)的現(xiàn)實困境

2.1醫(yī)學(xué)圖書情報數(shù)據(jù)管理有待優(yōu)化

醫(yī)學(xué)圖書情報服務(wù)的數(shù)據(jù)管理能力尚未與日益增長的數(shù)據(jù)量相匹配，成為制約其智能化發(fā)展的主要瓶頸。目前，盡管國內(nèi)醫(yī)學(xué)圖書館在數(shù)字化轉(zhuǎn)型中已逐步整合文本數(shù)據(jù)、文獻(xiàn)資源以及一些開放數(shù)據(jù)庫，但對于科研活動中產(chǎn)生的大量實驗數(shù)據(jù)、統(tǒng)計數(shù)據(jù)以及科研人員的研究數(shù)據(jù)，仍未建立系統(tǒng)的管理機制。相比國外，許多數(shù)字圖書館已經(jīng)建立了完善的科研數(shù)據(jù)管理體系，涵蓋了從實驗數(shù)據(jù)到學(xué)術(shù)成果的全生命周期管理。在國內(nèi)，醫(yī)學(xué)圖書情報服務(wù)平臺仍然缺乏有效的科研數(shù)據(jù)集的建設(shè)，導(dǎo)致科研數(shù)據(jù)無法被充分利用。雖然數(shù)字圖書館平臺積累了大量的用戶行為數(shù)據(jù)，包含了豐富的用戶偏好和需求信息。但由于數(shù)據(jù)挖掘技術(shù)的滯后，寶貴的過程性數(shù)據(jù)并未被充分分析與利用，未能用于構(gòu)建精準(zhǔn)服務(wù)或個性化推薦體系。大量未被利用的用戶日志數(shù)據(jù)沉淀在平臺，錯失了通過智能推薦優(yōu)化服務(wù)、提升用戶體驗的機會，導(dǎo)致平臺在數(shù)據(jù)的增值和轉(zhuǎn)化方面未能實現(xiàn)應(yīng)有的“數(shù)據(jù)紅利”。

2.2醫(yī)學(xué)圖書情報資源可視化程度較低

當(dāng)前，醫(yī)學(xué)圖書情報服務(wù)的可視化技術(shù)仍處于初級階段，遠(yuǎn)未滿足現(xiàn)代科研的需求。盡管現(xiàn)有的數(shù)字圖書館擁有基本的主題分析、趨勢統(tǒng)計和作者/機構(gòu)聚類等可視化功能，但在處理復(fù)雜的數(shù)據(jù)關(guān)系時還缺乏足夠的深度和交互性。知識圖譜的呈現(xiàn)通常是靜態(tài)的，且數(shù)據(jù)分類模糊，缺乏足夠的層次感和細(xì)節(jié)，用戶在學(xué)術(shù)分析時無法充分挖掘數(shù)據(jù)的潛在價值。尤其是在醫(yī)學(xué)圖書情報領(lǐng)域，數(shù)據(jù)不僅包含文字、圖像，還包括臨床記錄和醫(yī)學(xué)圖像等多維度信息，如何將這些復(fù)雜的高維數(shù)據(jù)有效呈現(xiàn)，并幫助用戶從中提取有價值的結(jié)論，成為目前技術(shù)的瓶頸。隨著大數(shù)據(jù)時代的到來，數(shù)據(jù)呈現(xiàn)出高維、多源、動態(tài)演化的特點。如何將這些高維數(shù)據(jù)有效地降維并呈現(xiàn)出清晰、精確的可視化結(jié)果，依然是一個亟待解決的問題。

2.3醫(yī)學(xué)圖書情報服務(wù)智能化水平不高

盡管大數(shù)據(jù)和人工智能技術(shù)在醫(yī)學(xué)圖書情報服務(wù)中具有巨大的應(yīng)用潛力，但其智能化水平仍處于初步階段，尚未實現(xiàn)真正的智能決策和語義推理。目前，許多數(shù)字圖書館的知識發(fā)現(xiàn)服務(wù)仍以基礎(chǔ)文獻(xiàn)檢索為主，缺乏智能推理、個性化推薦等高階功能。例如，當(dāng)前的檢索系統(tǒng)無法對復(fù)雜的查詢請求進(jìn)行語義理解和推理處理，尤其是在面對多義詞、模糊表達(dá)時，系統(tǒng)的準(zhǔn)確度和相關(guān)性大大下降。雖然部分平臺引入自然語言處理技術(shù)，但在理解用戶意圖和提供精準(zhǔn)檢索結(jié)果方面仍存在較大差距，未能真正實現(xiàn)智能化服務(wù)，導(dǎo)致智能化服務(wù)的發(fā)展面臨訓(xùn)練數(shù)據(jù)集匱乏的瓶頸。醫(yī)學(xué)圖書情報服務(wù)所需的高質(zhì)量、標(biāo)注精確的語料庫尚不完善，尤其是醫(yī)學(xué)領(lǐng)域的專業(yè)數(shù)據(jù)和案例數(shù)據(jù)較為稀缺，導(dǎo)致人工智能模型在處理醫(yī)學(xué)信息時效果不佳。

3大數(shù)據(jù)與人工智能賦能醫(yī)學(xué)圖書情報服務(wù)的創(chuàng)新路徑

3.1進(jìn)一步優(yōu)化和完善醫(yī)學(xué)圖書情報數(shù)據(jù)

3.1.1開發(fā)智能化數(shù)據(jù)處理和挖掘技術(shù)。醫(yī)學(xué)圖書情報平臺應(yīng)重視智能化數(shù)據(jù)的開發(fā)與處理，尤其是在數(shù)據(jù)類型的多樣化背景下，通過大數(shù)據(jù)技術(shù)對不同類型的醫(yī)學(xué)數(shù)據(jù)進(jìn)行高效整合。在操作層面，需要建立一個統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)和格式，將醫(yī)學(xué)文獻(xiàn)、病例、影像、聲音等多種數(shù)據(jù)類型進(jìn)行統(tǒng)一描述與索引，為深層次的語義檢索提供支撐。為了提高數(shù)據(jù)的智能化，平臺可以采用先進(jìn)的預(yù)處理方法，如時間切片、數(shù)據(jù)簡化、模糊匹配、碎片化處理等技術(shù)，通過數(shù)據(jù)清洗、去重和去噪來獲取高質(zhì)量的智能數(shù)據(jù)。通過數(shù)據(jù)挖掘和分析，平臺能夠發(fā)現(xiàn)數(shù)據(jù)間的潛在關(guān)聯(lián)，從而為用戶提供更加精準(zhǔn)和個性化的服務(wù)。

3.1.2加強數(shù)據(jù)融合與多維度分析。除了整合傳統(tǒng)的醫(yī)學(xué)文獻(xiàn)資源外，數(shù)字圖書館平臺還應(yīng)積極推動不同數(shù)據(jù)源的融合，包括用戶行為數(shù)據(jù)、專家數(shù)據(jù)以及外部科研資源的整合。通過構(gòu)建全面的用戶數(shù)據(jù)畫像，平臺能夠?qū)崟r捕捉用戶的行為特征與科研需求，并通過機器學(xué)習(xí)技術(shù)對用戶偏好進(jìn)行智能化預(yù)測。以用戶行為數(shù)據(jù)為基礎(chǔ)，平臺能夠提供個性化的文獻(xiàn)推薦和研究資源推送，增強內(nèi)容的相關(guān)性和推薦的精準(zhǔn)性。此外，平臺還應(yīng)強化外部數(shù)據(jù)的采集與整合，構(gòu)建多維度的數(shù)據(jù)集，形成科研人員和臨床醫(yī)生所需的全面信息支持，優(yōu)化館藏資源配置，提高館藏資源的利用率，減少不必要的重復(fù)投人。

3.1.3促進(jìn)數(shù)據(jù)云平臺的構(gòu)建與合作。隨著數(shù)據(jù)量的不斷增長，傳統(tǒng)的本地計算和存儲方式已難以滿足大規(guī)模數(shù)據(jù)處理的需求。因此，醫(yī)學(xué)圖書情報服務(wù)平臺應(yīng)積極推動數(shù)據(jù)云平臺的構(gòu)建，借助云計算技術(shù)，突破本地存儲的瓶頸，實現(xiàn)大規(guī)模數(shù)據(jù)集的存儲與分析。平臺可以通過與云服務(wù)提供商合作，利用高性能計算資源實現(xiàn)對大數(shù)據(jù)的實時處理與深度分析，進(jìn)一步提升數(shù)據(jù)處理速度和效率。同時，平臺還應(yīng)與科研機構(gòu)和數(shù)據(jù)提供方進(jìn)行合作，整合科學(xué)數(shù)據(jù)資源，推動數(shù)據(jù)共享和協(xié)同創(chuàng)新，為醫(yī)學(xué)圖書情報服務(wù)的精準(zhǔn)化和智能化提供強有力的數(shù)據(jù)支持。

3.2加強醫(yī)學(xué)圖書情報可視化設(shè)計

3.2.1自適應(yīng)數(shù)據(jù)降維優(yōu)化。由于醫(yī)學(xué)圖書情報數(shù)據(jù)往往呈現(xiàn)出高維、非線性和多源異構(gòu)的特點，傳統(tǒng)的可視化方式難以有效呈現(xiàn)這些復(fù)雜數(shù)據(jù)。因此，應(yīng)采用自適應(yīng)數(shù)據(jù)降維技術(shù)來優(yōu)化可視化效果。首先，針對數(shù)據(jù)維度較高的情形，應(yīng)采用線性降維方法（如主成分分析），有效地將多維數(shù)據(jù)簡化為低維數(shù)據(jù)，便于用戶理解與分析。對于復(fù)雜的非線性數(shù)據(jù)，尤其是屬性間高度相關(guān)的數(shù)據(jù)，則應(yīng)使用非線性降維方法，通過數(shù)據(jù)間的語義關(guān)系篩選，進(jìn)行更加精確的降維處理。

3.2.2動態(tài)實時渲染與交互優(yōu)化。大數(shù)據(jù)環(huán)境下，用戶對于可視化分析的需求不再局限于靜態(tài)展示，而是期望通過動態(tài)實時渲染和交互式可視化獲取更多的信息。為此，應(yīng)引人三維實時渲染技術(shù)，以支持多維數(shù)據(jù)的即時動態(tài)展示。通過圖形元素、顏色、紋理和符號的結(jié)合，將海量醫(yī)學(xué)數(shù)據(jù)轉(zhuǎn)化為易于理解的圖形表示。用戶可以通過交互式操作，如動態(tài)查詢、縮放、旋轉(zhuǎn)等，實時調(diào)整視圖，觀察不同數(shù)據(jù)維度間的關(guān)聯(lián)性。此外，平臺應(yīng)根據(jù)用戶需求，提供多種視角的動態(tài)投影和實時更新功能，使用戶能夠從不同的角度深入分析數(shù)據(jù)，挖掘潛在的信息價值。

3.3提高醫(yī)學(xué)圖書情報智能化水平

依據(jù)醫(yī)學(xué)領(lǐng)域的需求，構(gòu)建基于本體技術(shù)的語義化知識庫，整合醫(yī)學(xué)文獻(xiàn)、臨床數(shù)據(jù)、實驗結(jié)果等多種信息資源，如基于領(lǐng)域本體的蒙醫(yī)藥學(xué)知識庫等。通過智能檢索與語義推理，實現(xiàn)更精準(zhǔn)的知識推薦和信息檢索，從而促進(jìn)醫(yī)學(xué)科研和臨床決策的智能化。

3.3.1構(gòu)建智能化系統(tǒng)自主控制模型。為了提升智能化系統(tǒng)的運行效率，需要建立完整的智能化控制模型，涵蓋數(shù)據(jù)采集、分析、反饋等環(huán)節(jié)。平臺應(yīng)借鑒工業(yè)自動化控制系統(tǒng)的設(shè)計思路，構(gòu)建全流程的數(shù)據(jù)反饋機制，實現(xiàn)智能化系統(tǒng)的自主運行。通過系統(tǒng)學(xué)習(xí)與自我調(diào)整，平臺能夠根據(jù)用戶需求和反饋不斷優(yōu)化服務(wù)，提高系統(tǒng)的智能化水平。

3.3.2拓展智能化服務(wù)手段。隨著大數(shù)據(jù)和人工智能技術(shù)的不斷發(fā)展，圖書館、檔案館應(yīng)積極拓展智能化服務(wù)的應(yīng)用手段。首先，可以引入智能問答式檢索服務(wù)，大大簡化用戶與平臺的互動流程，提高用戶獲取信息的效率。其次，引入智能輔助寫作服務(wù)。為醫(yī)學(xué)科研人員提供更加智能化的創(chuàng)作支持。例如，平臺可以提供自動摘要、引文推薦、問題方法建議等功能，幫助科研人員高效撰寫論文和報告，提升科研生產(chǎn)力。

大數(shù)據(jù)與人工智能技術(shù)為醫(yī)學(xué)圖書情報服務(wù)的創(chuàng)新發(fā)展提供了前所未有的動力和機遇，未來的醫(yī)學(xué)圖書情報服務(wù)將能更好地支持科研人員和臨床醫(yī)生，實現(xiàn)更加精準(zhǔn)和高效的決策支持，智能化技術(shù)的應(yīng)用將有力推動醫(yī)學(xué)領(lǐng)域的創(chuàng)新發(fā)展，提升全球健康信息服務(wù)的質(zhì)量，為醫(yī)療健康事業(yè)的發(fā)展貢獻(xiàn)更多的智慧與力量。

參考文獻(xiàn)

[1]張文龍，徐冬，周浩泉.臨床科研數(shù)據(jù)平臺的建設(shè)與應(yīng)用[J].中國數(shù)字醫(yī)學(xué)，2024，19（11）：34-39.

[2]覃振明.基于REDCap的醫(yī)學(xué)科研數(shù)據(jù)管理平臺建立及應(yīng)用研究[J].科技傳播，2024，16（21）：5-9.DOI：10.16607/j.cnki.1674—6708.2024.21.007.

[3]張敬晨，孫婧雯，羅葳，等.生物醫(yī)學(xué)領(lǐng)域科學(xué)數(shù)據(jù)匯交管理中的挑戰(zhàn)與啟示[J].醫(yī)學(xué)信息學(xué)雜志，2024，45（10）：22-27.

[4]汪佳琪，李忠民.2018-2022年國外圖書情報領(lǐng)域健康醫(yī)療研究主題識別及分析[J/OL].晉圖學(xué)刊，1-23[2024-12-03].

http：//kns.cnki.net/kcms/detail/14.1022. G2.20231228.1027.002.html.

作者簡介：齊燕（1972—），大學(xué)學(xué)歷，山東省公共衛(wèi)生臨床中心館員，研究方向：圖書管理相關(guān)專業(yè)。