健康医疗人工智能科学出版物的主要学科领域分布
根据OECD学科大类划分,健康医疗人工智能是一个典型的多学科、跨学科研究领域。主要涉及医学、自然科学(数学、物理学等)、工程技术(计算机科学等)、社会科学(伦理与政策等)
1
2015-2019年全球Health AI细分领科学出版物数量
机器学习占主导、增势明显;医疗机器人、自然语言处理、决策规则、知识库、专家系统5个领域基本稳定
1
发文量排名前五位的国家发表科学出版物的年度分布
中国和美国的科学出版物数量均表现为指数型增长趋势,且双方呈现出竞争态势
发文量排名前五位的国家的科研产出及影响力对比
2015-2019年,全球健康医疗人工智能领域发表科学出版物最多的五个国家为:美国、中国、印度、英国和德国。影响力指标,美、英、德超过世界平均,中国接近世界平均,印度低于世界平均
1
发文量排名前十位的中国学术机构的科研产出及影响力
FWCI排名前十位的中国学术机构的科研产出及影响力
被引次数排名前十位的中国学术机构的科研产出及影响力
1
全球发表量最多的前十个研究主题群(Topic Clusters)
计算机视觉算法与模型:AI辅助疾病影像诊断
语义模型与推荐系统:AI辅助常见病临床决策
1
针对主要疾病的Health AI研究量与疾病负担总体正相关
Health AI研究量的疾病分布:全球和中国
较多:各类癌症、以糖尿病、中风和心血管疾病为代表的慢性心脑血管疾病和以癫痫、帕金森和阿尔茨海默病为代表的神经系统相关疾病
较少:传染病、母婴疾病、先天性疾病
1

Health AI科学出版物被专利技术引用情况

统计全球五大专利数据库,包括全球WIPO、美国USPTO、欧洲EPO、日本JPO、英国UKPO,发现:

中国

核心数据:44项研究被83件专利引用

主要贡献机构:中科院、清华大学、浙江大学、香港中文大学和深圳先进技术研究院

高频关键词:“神经网络”(Neutral Network),“深度学习”(Deep Learning),“心律失常”(Heart Arrhythmia),“人工智能”(Artificial Intelligence)和“计算机辅助诊断”(Computer-aided Diagnose)

美国

核心数据:172项研究被419件专利引用

主要贡献机构:哈佛大学、国立卫生研究院(NIH)、麻省理工学院、范德堡大学和加州大学洛杉矶分校。

高频关键词:“深度学习”(Deep Learning)、“机器学习”(Machine Learning)、“神经网络”(Neutral Network),“乳腺钼靶”(Mammography)和“阿尔兹海默症”(Alzheimer Disease)

中国:学术界-工业界合作尚有提升空间

基于爱思唯尔旗下的数据平台PlumX进行数据统计分析。PlumX平台对各类学术研究成果的交流、分享以及互动进行广泛的数据统计和研究,进而对学术研究成果的社会影响力进行评估。
主要采用两个指标:多媒介提及指数(Mention)和社交媒体传播指数(Social Media)

多媒介提及指数(Mention):提及指标体现了研究工作被各种媒体所提及的程度,包含一篇文章被博客提及、评论、归属于论坛主题、新闻提及、列为参考文献、归为综述内容等数据。

中国学者发表的多媒介提及指数较高的话题

机器学习、认知功能障碍、慢性疲劳综合征、扩张型心肌病、多模态数据、脑疾病、神经影像等

全球学者发表的多媒介提及指数较高的话题

放射学、深度学习、乳腺钼靶、伦理学、神经影像学、丝状病毒、药物滥用治疗、预测模型等

社交媒体传播指数(Social Media):社交媒体指标体现了研究工作在社交媒体上被传播的程度,包含YouTube、Facebook、新浪微博、Reddit、Twitter等媒体的数据。

中国学者发表的社交媒体传播指数较高的话题

机器学习、神经网络 、深度学习、慢性疲劳综合征等

全球学者发表的社交媒体传播指数较高的话题

放射学、 深度学习、乳腺钼靶、伦理学、神经影像学等

美国斯坦福大学AI Index 2019遴选的“人类级表现里程碑”清单

2017年:人工智能诊断皮肤癌

2018年:人工智能用于前列腺癌的分级

2019年:人工智能检测糖尿病视网膜病变

The BMJ:针对“AI超过医生相关研究”的严格评估

很少有前瞻性的深度学习研究和随机试验;

大多数非随机化试验不具有前瞻性,存在较高的偏倚风险,并偏离现有的报告标准;

大多数研究缺乏数据和代码可用性,而且人类对照组通常很小;

目前存在着关于AI与临床医生比肩或优于临床医生诊断能力的夸大说法,对患者安全和人口健康构成潜在风险。

目前,对于“研究条件”下人机可媲美能否转化为“真实世界”人机可媲美尚有争议

数据来源:国际通用的临床试验登记与信息公示平台ClinicalTrials.gov

获取规则:以“人工智能”作为干预措施的临床试验

分析目的:揭示全球以及我国开展的 “健康医疗人工智能” 临床试验数量、人群、干预措施及研究设计等

中国发起Health AI临床试验量,2018年起超越美国,位居第一

全球、美国:大学/医院占60%,企业40%

中国:企业仅11%,企业参与Health AI临床研究有待加强

超过95%的临床试验分期被研究者划分为“Not Applicable”或者缺失

已有明确分期的15项临床试验中,10项处于临床早期阶段(1-2期),处于临床3期和4期的只有5项。

纳入样本量总体偏小

纳入样本量>1000人的临床试验为134例(29.1%),纳入样本量>5000人的临床试验为63例(13.7%)。

其中,样本量>5000人的AI临床试验的干预措施以诊断检测类(32.9%)为主,人群疾病类型主要包括:肿瘤,毒血症,心血管疾病和COVID-19。

以医疗设备类(22.7%)和诊断检测类(19.3%)为主,其次为行为监测(5.4%)

以诊断检测类(24.8%)和医疗设备类(20.7%)为主,其次为手术类(5.8%)

全球:

肿瘤(乳腺癌),糖尿病和心血管疾病(冠心病)

中国:

肿瘤,眼部疾病(青光眼、糖尿病视网膜病变),心血管疾病(冠心病)和糖尿病

美国:

肿瘤,神经系统病变,心血管疾病(心衰),抑郁症和慢性疼痛

102项(22.1%)完成受试者招募

185项(40.0%)正在进行招募

5项(4.9%)已报告部分或全部试验结果

其中,4项临床试验的结果均支持人工智能相关诊疗设备或基于健康监测的行为干预对受试者的健康状况有正向积极影响;1项临床试验未设计医生对照组

2020年,Nature Medicine发布AI临床报告规范指南

引导AI临床有效性与安全性的循证研究,规范监管与审批,促进落地应用

CONSORT-AI

SPIRIT-AI

研究方法
  • 数据集界定
  • 技术领域分类

综合发挥北京大学健康医疗大数据国家研究院和爱思维尔双方各自优势,分别通过医学术语组配检索和综合性AI数据集自动分类的方式,提出了健康医疗人工智能科学出版物数据集的界定方案。

经咨询医学信息学和医疗人工智能领域专家意见,形成如下6个分类:决策规则、专家系统、知识库、机器学习(含深度学习)、自然语言处理、机器人