基于知識圖譜分析的智慧醫療建設研究

摘要：為了深入剖析我國智慧醫療研究的發展形勢，文章基于CNKI數據庫收錄的重點期刊的相關 智慧醫療文獻，利用文獻資料分析可視化軟件CiteSpace和Vosviewer ，從多個角度對文獻進行綜合分 析和研究，從而構建出智慧醫療建設領域的知識圖譜?；诖?，共檢索出符合要求的文獻1449篇，目前智慧醫療生態圈發展良好，醫院信息系統逐步完善，公共衛生信息化水平不斷提升。

關鍵詞：智慧醫療;大數據;物聯網;知識圖譜;CiteSpace

中圖法分類號：TP391? 文獻標識碼：A

Research on smart medical construction based on knowledge graph analysis

HUANG Peng

（Stomatology Hospital？ Zhejiang University School of Medicine？ Hangzhou 310005，China）

Abstract： In order to deeply analyze the development situation of smart， medical research in my country， the article is based on the relevant smart medical literature of key journals included in the CNKI database， and uses the literature data analysis and visualization software CiteSpace and Vosviewer to comprehensively analyze and study the literature from multiple perspectives， to construct knowledge graph in the field of smart medical. Based on this？ a total of 1449 documents that， meet the requirements are retrieved. At present， the smart， medical ecosystem is developing well， the hospital information system is gradually improving， and the level of public health informatization is continuously improving.

Key words： intelligent medical treatment， big data，Internet of things，knowledge atlas，CiteSpace

隨著物聯網、大數據等技術在醫療領域的應用，形成了一種新型的智慧醫療服務模式。智慧醫療的建設和發展通過信息化手段實現遠程醫療和自助醫療，有利于緩解醫療資源緊缺的壓力;有利于醫療信息和資源的共享和交換，從而大幅提升醫療資源的合理化分配水平;有利于我國實現醫療服務現代化，提高醫療服務水平。在國家政策支持下，智慧醫療平臺建設發展迅速，我國智慧醫療建設已有成效。本文旨在通過文獻和知識圖譜分析，梳理我國智慧醫療平臺發展歷程和建設現狀，剖析發展過程中存在的問題，并提出相應的對策和建議[1]。

1材料和方法

1.1研究方法和工具

1.1.1研究方法

（1）文獻計量學法：是一種源自圖書情報學的定量分析方法，它以文獻體系和文獻計量特征為研究對象，構建出涵蓋學科結構、學科研究熱點的領域主題框架，從而為研究者探究學科發展的分布結構和變化規律提供重要參考價值。

（2）知識圖譜法：存儲概念間關系的矩陣大部分是稀疏矩陣，即矩陣內部所竄的分散元素的數量超出了矩陣元素之中的數量總和，不僅導致了嚴重的資源浪費，并且無法從矩陣中對各個概念之間所存在的隱形關聯加以判斷。利用知識圖譜能夠協助人們更加全面地對各個概念的實質內涵加以全面了解。知識圖譜一般是由多個知識點和連接線組合而成，節點表示的是研究概念，而連接線則代表概念之間的關聯關系。利用拓撲結構進行綜合分析，可以對中心性高的知識節點進行判斷。通過網絡路徑分析，可以識別特定領域的發展軌跡;通過網絡聚類分析，可以揭示出聯系緊密的知識單元之間的關系。

（3）共現分析法：主要作用就是如果兩個概念共同存在于某個文本之中，那么這兩個概念之間往往會存在一定的關聯關系。這種方法是利用選擇的共現頻次閾值來對薄弱關聯進行分析，從而準確掌握各個知識點之間的關系。本文在研究中所應用的是關鍵詞共現分析方法，即針對同時存在于某篇文獻中的各個關鍵詞進行分析和研究，從而對其中所涉及的隱形熱點加以明確，從不同的層面了解各個主題之間存在的關聯關系。

1.1.2研究工具

CiteSpace是科技不斷發展的成果，其是由美國德雷賽爾大學（大連理工大學）陳超美教授通過多年的研究研發出來的一種信息可視化軟件工具，其可以被應用到對多種文獻特征的分析工作之中，并且利用動態知識圖譜，將最終結果利用可視化的圖像呈現出來。利用CiteSpace工具可以創設出重點詞匯聚集圖譜、時區分布圖譜、作者合著網絡等系統，可以更全面地對所研究的區域情況加以反映，本文在研究中所挑選的CiteSpace版本是CiteSpace5.7。

Vosviewer屬于社會網絡分析軟件的一種，其主要作用就是可以利用可視化的網絡將網絡系統內所存在的所有節點之間的關聯關系加以呈現，從而對網絡內的各個指標進行度量，進而進行可視化描繪和中心性分析[2]。

2結果與分析

2.1文獻年度發文量演變情況

如圖1所示，從年發文量角度看，2010～2021年發文量年度分布雖略有起伏，但整體明顯上升，表明研究熱度持續上升。2010～2012年，發文曲線緩慢增長，發文量逐年小幅度爬升，表示領域研究剛剛起步，處于新概念引入階段，關注度不高;2013～2020年，文獻數量飛速上升，于2020年達到峰值—333篇，表明智慧醫療硏究逐漸形成熱潮，為本領域的成長階段。值得注意的是，2021年發文量雖有所下降，但其可能是由于文獻發表時間的滯后性導致，有待補充后續數據觀察。虛線為根據年度發文量擬合的線性回歸曲線，根據此曲線也可得知，目前學術界對智慧醫療的研究持續升溫，發展前景廣闊。

2.2學術群體分析

2.2.1高產作者及分布情況

對文獻作者進行分析有助于了解智慧醫療領域高產作者群。作為文獻計量學的經典定律之一，普賴斯定律用以衡量各個學科領域的文獻作者分布規律。定義為“在同一主題中，半數的論文為一群高生產能力作者所撰，這一作者集合的數量上約等于全部作者總數的平方根”，其數學表示為：

（1）

2.2.2作者合著網絡分析

結合作者之間所存在的合著的關系來創建作者共享的網絡系統，能夠將智慧醫療領域學術群內部聯系情況加以展現。利用CiteSpace，節點類型選擇“Author”，閾值選取辦法“TOPN”數值設為10，不實施網絡劃分，剩余的依據以上所闡釋的情況來進行參數的配置，這樣可以獲得作者共現網絡。所涉及的節點表示作者，節點之間的關聯代表合著關系。在整個網絡之中，一共設有428個節點，307對連接。在圖譜之中，孤立節點占據的數量較多，這充分說明大部分作者是獨立奮戰的狀態。從整體的角度來看，智慧醫療領域還沒有創設出完善的合作關系，作者合作網絡聯系存在明顯的疏漏，整體結構的穩定性較差。當下，已經存在的少數合作關系大部分是在地緣的基礎上進行被動合作的，并沒有設立針對性的研究方向，所有的高產作者之間也沒有形成良好的合作關系，這表明智慧醫療領域中的信息利用效率較低[3]。

2.3研究主題分析

2.3.1高頻關鍵詞

關鍵詞是文獻主題的總結，所以本文在研究中利用關鍵詞分析來總結智慧醫療領域的研究主題以及波動情況，并對各個關鍵詞的出現次數、低頻次數關鍵詞在事件中的作用進行分析。此外，對關鍵詞的頻繁使用情況進行總結，按照關鍵詞的設定標準，共得到44個高頻關鍵詞。

從高頻關鍵詞列表不難發現，智慧醫療的本質是物聯網、人工智能、大數據等信息技術在醫藥衛生領域的深入應用和實踐，目的是實現患者與醫護人員、醫療機構、城市基建之間的互動，逐漸從疾病治療走向治未病，從傳統醫學到數字醫學再到信息醫學的轉變，更大程度上滿足了人們的個性化醫療需求[4]。2.3.2基于關鍵詞的前沿熱點探測在CiteSpace中導入正確處理后的文獻集合，選擇時間跨度為2010～2021年，時間分區“YearPerSlice”為1年（即每一年為一個時間單位）;節點類型選擇“Keyword”;詞源選擇“AuthorKeyword（DE）”;反復調試后，閾值選取辦法設定為“g指數”，參數k設為10;網絡剪枝算法選擇“Pathfinder”，修剪分片及整體網絡，其他選項保持不變。為確保研究的規范性，進行同義詞合并后運行，得到了基于關鍵詞所呈現的科技智慧醫療研究知識圖譜，共有316個節點，384對連接。

為探究智慧醫療領域研究熱點，本文利用CiteSpace的“ClusterView”（聚類視圖）對國內關鍵詞知識圖譜進行聚類分析，軟件把關鍵詞聚成了16個類團。以核心關鍵詞節點命名。

這16個類團可以總結為三個方面：衛生信息技術、智慧醫院系統和區域性智慧城市。衛生信息技術是智慧醫療的基石，其中5G、大數據、人工智能、云計算和物聯網技術最為突出。目前，醫院依托信息化手段實現了醫療“一卡通”，移動醫療、遠程會診、臨床決策支持系統都在逐步完善。就醫流程更加便捷，院內導航、在線繳費、移動醫保支付、自助打印清單等服務為患者節省了大量時間。在分級診療政策下，遠程醫療會診、遠程醫學教育逐漸普及。診療模式也更加多元化，互聯網醫院、智能導診、網上問診已屢見不鮮。在區域性智慧城市層面，更加注重建設區域衛生平臺，如電子健康檔案、社區醫療服務系統、醫聯體、醫療平臺迅速發展。另外，公共衛生系統也是智慧城市不可或缺的一部分，如疫情數字監控系統、衛生監督管理系統在新冠疫情的沖擊下不斷完善。

關鍵詞以出現年份先后排序，強度（Strength）越高，表明其突現程度越大。紅色色塊的位置和長度代表關鍵詞的突現區間。在15個突現詞中，12個突現期都是在2015年后，表明2010年是智慧醫療主題暴發點，各種新穎、前沿熱點并存共進，與發文量分析結果吻合。突變輕度排名靠前的突現詞有智慧城市建設、人工智能、醫聯體、電子健康檔案、市民卡。低時延的突變期是2019～2021年，是唯一一個突變區間持續到2021年的突現詞，表面隨著智慧醫療的普及，大眾開始追求信息服務的時效性。

2.4.3基于關鍵詞的主題演進趨勢

隨著我國智慧醫療改革的推進，在不同的時間、區域內會呈現不同的研究熱點，我們需要對近十年的文獻進行時間段劃分，以更好地觀察智慧醫療領域的研究熱點流變。利用CiteSpace的“TimeLineView”（時間線視圖）以時間演化的形式構建關鍵詞的時間分布圖，探索近30年來智慧醫療領域的主題變化。根據其首次出現的時間間隔，放置在不同的時間間隔中。節點之間的連接表示對應關鍵字之間的共現關系，連接緊密度與共現頻率呈正相關。

3結論

研究表明，我國智慧醫療整體文獻數量呈階段性發展趨勢，處于上升期。科研機構與學者之間的合作程度不高，“孤軍奮戰”現象普遍存在，但合作網絡越來越緊密。載文期刊相對集中，偏向于管理學發展。醫療平臺、智慧城市、互聯互通、智慧醫院為本領域的潛力熱點。本領域的研究主題以2015年為分界線，2009年之前的研究熱點—智慧地球、健康服務和醫療衛生體制改革逐漸退出主流領域，而之后的5G技術、智慧城市、醫聯體、互聯互通等熱點持續升溫，方興未艾，且主題之間的更迭并非一蹴而就，而是融合漸進，不斷細化分支領域。總之，智慧醫療領域各個時期的主題呈現出以醫療信息化、區域信息化為主體，以物聯網為手段的顯著特征，但也越發呈現多學科交融，吸收和積累其他學科精華的趨勢。

參考文獻：

[1]王全亮，張月芬，左繼蓉.近十年我國深度學習研究的文獻計量與知識圖譜分析[J].現代教育科學，2016（5）：17-24.

[2]王蘭成，黃永勤.近十年我國融合數據庫索引研究成果的知識圖譜分析[J].中國索引，2016（1）：194-205.

[3]李洋，戴國斌，張君賢.近十年（2007-2017）我國武術文化研究熱點、演進與前沿—基于知識圖譜的可視化分析[J].南京體育學院學報，2018，1（10）：69-80+2.

[4]趙俊芳，姜帆.《現代大學教育》的文獻計量與科學知識圖譜研究[J].大學教育科學，2014（1）：115-123.

作者簡介：

黃鵬（1993—），碩士，助理工程師，研究方向：信息管理與知識圖譜。