基于WOS數(shù)據(jù)的醫(yī)學(xué)信息學(xué)學(xué)科交叉發(fā)展態(tài)勢研究

，，

現(xiàn)代科學(xué)既高度分化又高度綜合，而交叉科學(xué)集分化與綜合于一體，實現(xiàn)了科學(xué)的整體化[1]。醫(yī)學(xué)信息學(xué)(Medical Informatics)是醫(yī)學(xué)、信息科學(xué)和計算機科學(xué)三者結(jié)合而產(chǎn)生的綜合性、交叉性的學(xué)科[2]，其研究與實踐在20世紀(jì)50年代伴隨著芯片和計算機的發(fā)展而產(chǎn)生，20世紀(jì)70年代作為一門學(xué)科被正式提出[3]。隨著計算機、網(wǎng)絡(luò)和信息技術(shù)的快速發(fā)展，醫(yī)學(xué)信息學(xué)獲得了飛速發(fā)展，在理論、應(yīng)用和技術(shù)等方面取得了一系列成果，為醫(yī)學(xué)和衛(wèi)生保健領(lǐng)域帶來了翻天覆地的變化[4]?，F(xiàn)階段，我國醫(yī)療信息管理的意義和地位已經(jīng)逐漸上升到了戰(zhàn)略層面[5]，大數(shù)據(jù)、精準(zhǔn)醫(yī)療為醫(yī)學(xué)信息學(xué)的發(fā)展帶來了新的機遇與挑戰(zhàn)。

近年來，不少學(xué)者針對醫(yī)學(xué)信息學(xué)的學(xué)科內(nèi)涵、領(lǐng)域特點、發(fā)展路徑、研究前沿和發(fā)展趨勢以及現(xiàn)存問題等進(jìn)行了深入縝密的觀察和剖析，但對其跨學(xué)科特性的規(guī)律研究相對較少。本文在已有研究成果的基礎(chǔ)上，采用文獻(xiàn)計量和知識圖譜可視化技術(shù)對醫(yī)學(xué)信息學(xué)的跨學(xué)科發(fā)展歷程及態(tài)勢從多維度多角度進(jìn)行了更為深刻的揭示，期望為該學(xué)科的未來發(fā)展提供參考。

1 相關(guān)研究現(xiàn)狀

1.1 醫(yī)學(xué)信息學(xué)學(xué)科研究

與先進(jìn)國家相比，我國醫(yī)學(xué)信息學(xué)學(xué)科發(fā)展還比較落后。代濤[3]對國際上醫(yī)學(xué)信息學(xué)的發(fā)展現(xiàn)狀進(jìn)行了較為系統(tǒng)的梳理，包括對醫(yī)學(xué)信息學(xué)的內(nèi)涵、國內(nèi)外發(fā)展歷程、熱點研究問題等進(jìn)行了系統(tǒng)分析，在此基礎(chǔ)上探討了我國醫(yī)學(xué)信息學(xué)的發(fā)展之路；董建成[6]通過對醫(yī)學(xué)信息學(xué)歷史的透視、當(dāng)前狀況和未來面臨挑戰(zhàn)的分析，探討了我國醫(yī)學(xué)信息學(xué)發(fā)展的戰(zhàn)略；劉巖、李小濤等[7-8]基于《醫(yī)學(xué)信息學(xué)雜志》和《中華醫(yī)學(xué)圖書情報雜志》總結(jié)了這兩種期刊30年來發(fā)文的熱點內(nèi)容和研究缺陷，并對比了不同時期的研究熱點；李樹民[9]、呂艷華[10]、李國棟[11]等學(xué)者基于大量數(shù)據(jù)采用頻次統(tǒng)計、共現(xiàn)分析等方法系統(tǒng)地揭示了學(xué)科發(fā)展路徑和現(xiàn)狀、研究熱點及趨勢等；袁曉園等[12]運用相似的方法剖析了我國醫(yī)學(xué)信息學(xué)國際發(fā)文的研究熱點；崔雷等[13]基于對國際上重要的醫(yī)學(xué)信息學(xué)期刊進(jìn)行引文分析，總結(jié)了國外醫(yī)學(xué)信息學(xué)的4個重點領(lǐng)域；許丹、曹霞等[14-15]遴選了部分期刊，應(yīng)用引文分析方法，分析了幾十年的領(lǐng)域熱點和學(xué)科發(fā)展主路徑以及近幾年的代表作者和發(fā)展趨勢等；趙穎穎、齊鳳青等[16-17]則分別基于PubMed、Web of Science(WOS)上的全領(lǐng)域數(shù)據(jù)進(jìn)行了國際熱點、研究現(xiàn)狀分析；陳春林[18]在對國內(nèi)外差異的細(xì)致研究上，選擇2002-2009年國內(nèi)外較有代表性的醫(yī)學(xué)信息學(xué)相關(guān)論文進(jìn)行共性分析和內(nèi)容分析，揭示了國內(nèi)外的研究異同；王理、王燕鵬等[19-20]利用可視化分析方法對比了國內(nèi)外特別是中美兩國的發(fā)展趨勢和研究熱點。還有兩篇比較有代表性的學(xué)位論文，一篇是栗文靖[21]依據(jù)國際醫(yī)學(xué)信息學(xué)會(International Medical informatics Association，IMIA)的有關(guān)綱領(lǐng)，采用定性與定量相結(jié)合的方法，對美國、英國和德國的醫(yī)學(xué)信息學(xué)現(xiàn)狀進(jìn)行了全局性調(diào)研和對比分析；另一篇是王曉榮[22]采用引文分析、共詞分析、知識圖譜等方法對近10年國內(nèi)外醫(yī)學(xué)信息學(xué)的發(fā)展?fàn)顩r進(jìn)行了較為系統(tǒng)的梳理和對比分析，包括在引文狀況、學(xué)科結(jié)構(gòu)和學(xué)科發(fā)展脈絡(luò)等方面的異同，提出了我國醫(yī)學(xué)信息學(xué)發(fā)展的新思路。此外，崔雷等[23]聚焦國內(nèi)醫(yī)學(xué)信息學(xué)院、系的科研熱點進(jìn)行了國際對比；李后卿等[24]透過信息鏈這一獨特視角對醫(yī)學(xué)信息學(xué)當(dāng)前和未來的發(fā)展重點和方向進(jìn)行了研究與預(yù)測，就醫(yī)學(xué)信息學(xué)發(fā)展中所面臨的問題提出了相應(yīng)對策。

1.2 醫(yī)學(xué)信息學(xué)跨學(xué)科研究現(xiàn)狀

國內(nèi)外學(xué)者對醫(yī)學(xué)信息學(xué)學(xué)科及其“跨學(xué)科”特征進(jìn)行了一定的研究。在學(xué)科定義與內(nèi)涵上盡管學(xué)者們多有分歧[3，25-26]，但在“多學(xué)科交叉”的特點上意見一致，大都提到多學(xué)科(Multidisciplinary)和合成或異構(gòu)(Heterogeneous)[4]。國際醫(yī)學(xué)信息學(xué)學(xué)會(International Medical Informatics Association，IMIA)發(fā)布的教育指南[27]界定了其跨學(xué)科的特性及內(nèi)涵。Deshazo等[28]對MEDLINE上的醫(yī)學(xué)信息學(xué)相關(guān)文獻(xiàn)的計量學(xué)分析中，除了統(tǒng)計得出文獻(xiàn)總數(shù)量、平均影響因子都有顯著增長之外，基于主題詞詞頻及期刊的分析證實了醫(yī)學(xué)信息學(xué)明顯的交叉學(xué)科發(fā)展趨勢；Bemme[29]將醫(yī)學(xué)信息學(xué)界定為跨學(xué)科領(lǐng)域的先鋒，并以其為例分析跨學(xué)科研究的內(nèi)涵，討論如何有效地開展跨學(xué)科研究，包括如何協(xié)作、需要什么樣的領(lǐng)導(dǎo)力，以及跨學(xué)科教育等；Knaup等[30]立足醫(yī)學(xué)信息學(xué)角度分析衛(wèi)生保健的發(fā)展需要跨學(xué)科知識和互操作技術(shù)的支撐，列舉了健康科學(xué)/醫(yī)學(xué)圖書館學(xué)與醫(yī)學(xué)信息學(xué)的一些研究領(lǐng)域的重疊程度；Jeannette Murphy[31]指出，健康科學(xué)圖書館學(xué)是醫(yī)學(xué)信息學(xué)產(chǎn)生的源頭之一；張凌等[32]就醫(yī)學(xué)信息學(xué)討論了交叉信息學(xué)科研究的地位和作用，學(xué)科信息化的一般過程；王俏等[33]以23種國際高影響力期刊作為研究對象，基于共被引相關(guān)理論分析了1999-2013年醫(yī)學(xué)信息學(xué)相關(guān)學(xué)科分布情況，歸納其分布特征，發(fā)現(xiàn)計算機科學(xué)、統(tǒng)計學(xué)、數(shù)學(xué)等學(xué)科都為醫(yī)學(xué)信息學(xué)的發(fā)展提供了不可或缺的理論、方法或技術(shù)；醫(yī)學(xué)信息學(xué)與全科醫(yī)學(xué)、循證醫(yī)學(xué)、臨床流行病學(xué)等學(xué)科存在研究領(lǐng)域的交叉。

1.3 學(xué)科交叉性(跨學(xué)科)研究現(xiàn)狀

在當(dāng)今跨學(xué)科時代的大背景下，在各種跨學(xué)科研究政策的鼓勵下，學(xué)科之間交叉的強度與廣度、知識跨學(xué)科的流向、跨學(xué)科研究成果的產(chǎn)量與影響等跨學(xué)科特征已成為文獻(xiàn)計量學(xué)領(lǐng)域重要的研究問題[34]。國內(nèi)外對學(xué)科交叉的研究已蓬勃展開并取得了較為豐碩的成果，特別是測度方面，比較經(jīng)典的文獻(xiàn)[35-40]提出了一系列指標(biāo)。

學(xué)科交叉探索是涉及跨學(xué)科或多學(xué)科研究的復(fù)雜問題，可視化技術(shù)因其直觀、生動、易于解讀等諸多優(yōu)點成為研究學(xué)科交叉問題的重要工具。運用可視化技術(shù)制作知識圖譜展現(xiàn)學(xué)科交叉態(tài)勢，是學(xué)者常用的方法。李長玲等[41]針對學(xué)科交叉領(lǐng)域知識重疊的問題，以情報學(xué)和計算機科學(xué)為例，對兩個學(xué)科中知識聚類和重疊社群網(wǎng)絡(luò)進(jìn)行可視化展示，并對兩個學(xué)科間的交叉研究主題進(jìn)行了分析；于洋[42]從網(wǎng)絡(luò)凝聚子群角度，利用整體網(wǎng)絡(luò)研究工具，探索學(xué)科交叉度的測度方法；Porter[43]通過文獻(xiàn)計量指標(biāo)和科學(xué)知識圖譜對1975-2005年間6個研究領(lǐng)域的數(shù)據(jù)進(jìn)行分析后發(fā)現(xiàn)，學(xué)科交叉程度隨時間的推移越來越強，但是這種學(xué)科交叉多傾向于鄰近學(xué)科間的交叉，跨度較大的學(xué)科間的交叉步伐相對較慢；Leydesdorff[44]利用WOS數(shù)據(jù)庫，采用VOSviewer軟件并結(jié)合Blondel Q社區(qū)識別算法得到全球期刊的科學(xué)覆蓋圖，使用Rao-Stirling指數(shù)，包括citing和cited引文矩陣測度學(xué)科交叉并做了可視化展示；張金柱[45]從學(xué)科分類的數(shù)量分布以及差異性的角度分析了圖書情報領(lǐng)域的學(xué)科交叉性，并以疊加圖進(jìn)行可視化；郭婷[46]、許海云等[47]也對情報學(xué)學(xué)科的交叉態(tài)勢進(jìn)行了可視化研究。

綜上可以看出，學(xué)者們對醫(yī)學(xué)信息學(xué)的學(xué)科內(nèi)涵、發(fā)展路徑、領(lǐng)域特點、研究前沿和發(fā)展趨勢等進(jìn)行了廣泛而深入的研究，但對其跨學(xué)科特性的分析還不夠細(xì)致和量化。因此，本文借鑒現(xiàn)有跨學(xué)科研究成果，采用可視化技術(shù)和方法，從多維度較為全面地揭示醫(yī)學(xué)信息學(xué)的跨學(xué)科發(fā)展態(tài)勢，旨在為學(xué)科的未來發(fā)展提供參考。

2 研究內(nèi)容和方法

本文聚焦醫(yī)學(xué)信息學(xué)的跨學(xué)科發(fā)展歷程及特征，從單一學(xué)科分析和多學(xué)科間對比分析兩個視角，運用多種知識圖譜從多個維度開展較為深入的分析和研究，主要研究內(nèi)容如下。

首先，基于醫(yī)學(xué)信息學(xué)單一學(xué)科的文獻(xiàn)數(shù)據(jù)，利用文獻(xiàn)計量方法和氣泡圖從年代順序、關(guān)聯(lián)時長及數(shù)量等角度分析醫(yī)學(xué)信息學(xué)自身學(xué)科的發(fā)展特征，以及與其關(guān)聯(lián)學(xué)科間交叉關(guān)聯(lián)歷史及發(fā)展態(tài)勢；其次，基于醫(yī)學(xué)信息學(xué)及其近鄰學(xué)科的多學(xué)科文獻(xiàn)數(shù)據(jù)，利用學(xué)科疊加圖分析和對比幾個學(xué)科間的相互影響和交叉發(fā)展的演化特征趨勢；最后，利用雙重疊加圖探測醫(yī)學(xué)信息學(xué)及其典型近鄰學(xué)科在知識吸收、擴(kuò)散和應(yīng)用領(lǐng)域的交叉態(tài)勢和趨勢。

3 分析過程與結(jié)果

3.1 醫(yī)學(xué)信息學(xué)單學(xué)科分析

3.1.1 數(shù)據(jù)準(zhǔn)備及年度趨勢分析

選取WOS核心合集的SCI-Expanded、CPCI-S等數(shù)據(jù)庫，利用WOS的學(xué)科分類，檢索式為：WC=Medical Informatics，文獻(xiàn)類型選擇“Article”，時間跨度設(shè)為1970-2015年，檢索時間為2016年5月，得到44 175條記錄。這批數(shù)據(jù)集所包含文獻(xiàn)的出版年份始于1961年，合計有55個年度，各年度的文獻(xiàn)數(shù)量如圖1所示。

圖1 1961-2015年醫(yī)學(xué)信息學(xué)WOS文獻(xiàn)數(shù)量年度變化趨勢

基于趨勢線可以將醫(yī)學(xué)信息學(xué)的發(fā)展歷程分為4個階段：一是前10年的萌芽期，文獻(xiàn)量較少且增長緩慢；二是約15年的成長期，增速較快，年文獻(xiàn)量逐漸達(dá)到了近500篇左右；三是隨后20多年增速略緩，可以視為平穩(wěn)發(fā)展期；四是近10多年相對增速上升，近3年幾乎持平，呈現(xiàn)快速發(fā)展及逐漸成熟之趨勢。

3.1.2 學(xué)科類別分析

WOS對文獻(xiàn)進(jìn)行了學(xué)科類別的劃分，跨學(xué)科類型的研究會被標(biāo)注出所隸屬的多個類別，所以體現(xiàn)了這些類別間的關(guān)聯(lián)關(guān)系?；诖?，經(jīng)統(tǒng)計這批數(shù)據(jù)集涉及除醫(yī)學(xué)信息學(xué)之外的共計25個WOS類別，作為同層級學(xué)科類別，它們與醫(yī)學(xué)信息學(xué)有著不同程度的交叉關(guān)聯(lián)關(guān)系。

與2012年中國學(xué)位辦學(xué)科分類相對照，共涉及醫(yī)學(xué)(10)、工程(7)、自然科學(xué)(6)、管理學(xué)(2)等4個一級學(xué)科，具體包括計算機科學(xué)與技術(shù)(5)、生物學(xué)(4)、基礎(chǔ)醫(yī)學(xué)(3)、臨床醫(yī)學(xué)(3)、公共管理(2)，以及統(tǒng)計學(xué)、生物醫(yī)學(xué)工程學(xué)、公共衛(wèi)生與預(yù)防醫(yī)學(xué)、藥物科學(xué)、醫(yī)學(xué)技術(shù)、護(hù)理、圖書館/信息和檔案管理等十幾個二級學(xué)科。

數(shù)據(jù)量排名前10的WOS類別及其記錄的數(shù)量見表1。可以認(rèn)為，這些學(xué)科與醫(yī)學(xué)信息學(xué)的學(xué)科關(guān)聯(lián)相對更加緊密。

表1 TOP10醫(yī)學(xué)信息學(xué)交叉關(guān)聯(lián)學(xué)科類別(1961-2015)

3.1.3 學(xué)科關(guān)聯(lián)變遷分析

本節(jié)關(guān)注醫(yī)學(xué)信息學(xué)與上述學(xué)科類別間的關(guān)聯(lián)關(guān)系的變化趨勢?；谠摂?shù)據(jù)集的類別屬性特征，不同類別出現(xiàn)時期的先后、類別間在不同年份的數(shù)量上的差異等可以在一定程度上對此進(jìn)行反映。為清晰起見，將55個年度按照5年一個時間段進(jìn)行劃分，共計11個時間段，按照自然年順序分別標(biāo)記為Yi(i=1～11)。

3.1.3.1 年代順序維度

特定的學(xué)科類別在特定的年代出現(xiàn)，是該學(xué)科類別與醫(yī)學(xué)信息學(xué)產(chǎn)生關(guān)聯(lián)的交叉時間節(jié)點，每個年代新出現(xiàn)的交叉學(xué)科列于時間軸線見圖2。不同學(xué)科出現(xiàn)的先后順序，不僅分別勾畫了這11個時期的重要時間和事件節(jié)點，也反映了醫(yī)學(xué)信息學(xué)與其他學(xué)科類別產(chǎn)生交叉關(guān)聯(lián)的演變情況，進(jìn)一步體現(xiàn)了醫(yī)學(xué)信息學(xué)學(xué)科發(fā)展歷程中的一些具體特征。

圖2 不同年代新交叉學(xué)科時間軸

縱觀25個WOS類別，在最早的年代，即Y1(1961-1965)就與醫(yī)學(xué)信息學(xué)產(chǎn)生關(guān)聯(lián)的有“Biology”“Imaging Science & Photographic Technology”“Medicine, General & Internal”“Computer Science, Information Systems”“Health Care Sciences & Services”等5個類別。這與當(dāng)時的學(xué)者將醫(yī)學(xué)信息學(xué)學(xué)科名稱界定為“計算機醫(yī)學(xué)”“醫(yī)學(xué)信息處理”“醫(yī)學(xué)信息系統(tǒng)”等是相契合的。正如文獻(xiàn)[3]所述，生物醫(yī)學(xué)研究者于20世紀(jì)50年代開始使用電子數(shù)字計算機處理數(shù)字型數(shù)據(jù)，醫(yī)學(xué)信息學(xué)最早期的研究成果可以追溯到1959年Ledley和Lusted[48]在Science雜志上發(fā)表的“Reasoning Foundations of Medical Diagnosis：Symbolic Logic, Probability, and Value Theory Aid Our Understanding of How Physicians Reason”一文。因此可以認(rèn)為，醫(yī)學(xué)信息學(xué)學(xué)科的起源和萌芽，是計算機信息系統(tǒng)技術(shù)和成像科學(xué)與攝影技術(shù)在生物醫(yī)學(xué)領(lǐng)域中的應(yīng)用。

從Y2(1966-1970)、Y3(1971-1975)、Y4(1976-1980)新出現(xiàn)的6個交叉領(lǐng)域可以看出，這幾個時期的醫(yī)學(xué)信息學(xué)更多地得益于計算機學(xué)、信息學(xué)、數(shù)學(xué)等學(xué)科的理論方法與技術(shù)實踐等的發(fā)展與支撐，在檢驗技術(shù)、醫(yī)藥工程等領(lǐng)域有了越來越多的融合與應(yīng)用，獲得了較快的發(fā)展。接下來，Y5(1981-1985)和Y6(1986-1990)時期新出現(xiàn)的關(guān)聯(lián)學(xué)科大多是醫(yī)學(xué)內(nèi)部學(xué)科，可以認(rèn)為，基于前期的快速成長，在20世紀(jì)80年代，醫(yī)學(xué)信息學(xué)有了更深入的理論發(fā)展以及更廣泛的應(yīng)用；而在Y7(1991-1995)和Y8(1996-2000)時期，計算機人工智能及軟件工程方面的理論與技術(shù)為醫(yī)學(xué)信息學(xué)的發(fā)展注入了新的活力和動力。步入21世紀(jì)以來，醫(yī)學(xué)信息學(xué)的蓬勃發(fā)展進(jìn)一步擴(kuò)展了其與更多學(xué)科的交叉融合，在Y9(2001-2005)、Y10(2006-2010)、Y11(2011-2015)持續(xù)出現(xiàn)的新交叉學(xué)科凸顯了醫(yī)學(xué)信息學(xué)學(xué)科的快速發(fā)展之勢。

3.1.3.2 關(guān)聯(lián)時長維度

對于特定學(xué)科，在這批數(shù)據(jù)集中的覆蓋年度數(shù)量越多，說明其與醫(yī)學(xué)信息學(xué)的關(guān)聯(lián)時間越久，從某種意義上說明其間的關(guān)聯(lián)交叉程度越深，特別是具有持續(xù)覆蓋特征的學(xué)科。25個類別按照關(guān)聯(lián)時長特征的分組情況見表2。

表2 醫(yī)學(xué)信息學(xué)交叉學(xué)科領(lǐng)域關(guān)聯(lián)時長組別

在25個學(xué)科類別中，第一組的“Computer Science, Information Systems”和“Health Care Sciences & Services”連續(xù)覆蓋了11個時期，多達(dá)52年，交叉關(guān)聯(lián)歷史最為悠長。其他具有持續(xù)關(guān)聯(lián)的學(xué)科類別中，第二組都是30多年前就與醫(yī)學(xué)信息學(xué)產(chǎn)生交叉關(guān)聯(lián)關(guān)系并一直延續(xù)至今，也是關(guān)聯(lián)年份較長因而關(guān)系相對較為緊密的學(xué)科。第三組則是醫(yī)學(xué)信息學(xué)在早期、中期、近期的具有較長持續(xù)關(guān)聯(lián)關(guān)系的不同學(xué)科，可以反映出醫(yī)學(xué)信息學(xué)在不同階段的學(xué)科發(fā)展特征。第四組是雖有所間斷但關(guān)聯(lián)年代較多的學(xué)科類別，包括“Medicine，General & Internal”和“Information Science & Library Science”，前者在Y1-Y2時期間數(shù)量攀升，但到Y(jié)4時期驟降到Y(jié)8才恢復(fù)，并在Y10和Y11期間大幅增加；后者則是在Y3-Y4期間關(guān)聯(lián)，Y5-Y6期間有所間斷，而后數(shù)量有增有減。第五組的6個學(xué)科都只在一個時期出現(xiàn)過，體現(xiàn)了相對較弱的關(guān)聯(lián)關(guān)系。其中“Pharmacology & Pharmacy”在近3年數(shù)量相對較多且穩(wěn)定，或許在今后會有更多關(guān)聯(lián)交叉關(guān)系。

3.1.3.3 關(guān)聯(lián)數(shù)量維度

本節(jié)關(guān)注從記錄數(shù)量上反映學(xué)科類別間的關(guān)聯(lián)交叉區(qū)別及不同時期的差異。在這批數(shù)據(jù)集中，與醫(yī)學(xué)信息學(xué)的記錄數(shù)量越相近，表明其間的關(guān)聯(lián)程度越大，投射到具體特定年代上，同樣如此?？紤]到數(shù)據(jù)量的大小，僅選取上述記錄量較大的10個類別進(jìn)行分析，使用能夠同時展示類別、年代、數(shù)量等三維數(shù)據(jù)的氣泡圖，可以清晰地對比不同類別在不同時期與醫(yī)學(xué)信息學(xué)在數(shù)量上的相近程度，進(jìn)而分析不同學(xué)科領(lǐng)域在特定時間段及在整個時間段上與醫(yī)學(xué)信息學(xué)學(xué)科的關(guān)聯(lián)特征(圖3)。

圖3 不同時期醫(yī)學(xué)信息學(xué)與10大關(guān)聯(lián)學(xué)科交叉態(tài)勢

以醫(yī)學(xué)信息學(xué)(PT)為參照，在Y1-Y3時期，“Health Care Sciences & Services(HL)”“Computer Science, Information Systems(ET)”與醫(yī)學(xué)信息學(xué)具有等同的交叉關(guān)聯(lián)程度；在Y2時期二者的文獻(xiàn)記錄數(shù)量都比Computer Science, Interdisciplinary Applications(EV)略多；但從Y3開始直到Y(jié)9都是EV多于HL、ET，且差距較大；在Y10-Y11期間，HL增幅明顯，高過了EV，成為當(dāng)期的最高者，即近10年與醫(yī)學(xué)信息學(xué)交叉關(guān)聯(lián)最緊密。從11個時段的氣泡大小變化的總體趨勢看，EV與醫(yī)學(xué)信息學(xué)的關(guān)聯(lián)關(guān)系相對更加緊密且呈現(xiàn)關(guān)聯(lián)程度加深之趨勢。

“Engineering, Biomedical(IG)”和“Mathematical & Computational Biology(MC)”先后于Y3、Y4時期同醫(yī)學(xué)信息學(xué)產(chǎn)生交叉，在Y8之前IG都多于MC，與醫(yī)學(xué)信息學(xué)的關(guān)聯(lián)程度更為緊密，但在之后情況相反。近15年，MC增幅較大，趨勢與醫(yī)學(xué)信息學(xué)發(fā)展相近，而IG數(shù)量趨于穩(wěn)定。所以，相對來講，醫(yī)學(xué)信息學(xué)與MC的關(guān)聯(lián)更加緊密了，與IG的關(guān)聯(lián)則相對疏遠(yuǎn)了。

“Public, Environmental & Occupational Health(NE)”“Statistics & Probability(XY)”、“Medicine, Research & Experimental(QA)”可以歸為一個聚類，同時在Y5時期出現(xiàn)且在7個時期上的變化趨勢相似程度較高。NE在后4個時期都是記錄數(shù)量最多，XY和QA則分居其后。從數(shù)量維度上看，三者在前6個時期與醫(yī)學(xué)信息學(xué)的關(guān)聯(lián)是較為緊密的，在最后這個時期則略有淡化?！癈omputer Science, Theory & Methods(EX)”和“Information Science & Library Science(NU)”的變化趨勢有增有減，EX在Y7和Y11有兩個高值，NU在Y8和Y11有兩個高值，總體趨勢是與醫(yī)學(xué)信息學(xué)關(guān)聯(lián)由越來越緊密到逐漸淡化和平穩(wěn)再到逐漸緊密。

3.2 醫(yī)學(xué)信息學(xué)與其六大近鄰學(xué)科之學(xué)科間關(guān)聯(lián)交叉分析

本節(jié)使用科學(xué)疊加圖展示醫(yī)學(xué)信息學(xué)與其6大近鄰學(xué)科之學(xué)科間關(guān)聯(lián)交叉關(guān)系及態(tài)勢?？茖W(xué)疊加圖也叫覆蓋圖，制作好基準(zhǔn)圖——科學(xué)全景圖(basemap)后，利用數(shù)據(jù)覆蓋技術(shù)將子數(shù)據(jù)集(機構(gòu)或?qū)W科)通過疊加技術(shù)獲得疊加圖(overlay maps)，通過疊加圖可以清楚地展示不同機構(gòu)或?qū)W科在整個科學(xué)背景下所處的位置；科學(xué)全景底圖依賴于科學(xué)出版物的分類、聚類算法和可視化手段，目前得到的全景圖具有高度的穩(wěn)定性[46，49]?；谔囟▽W(xué)科數(shù)據(jù)的學(xué)科疊加圖可以了解某學(xué)科在整個科學(xué)體系中的研究領(lǐng)域的分布和跨度，由此可以直觀地看出某學(xué)科領(lǐng)域的交叉度并識別相似度較高的學(xué)科類簇；而利用VOSviewer繪制不同時期的多個科學(xué)覆蓋圖，可以進(jìn)一步分析和對比學(xué)科之間的關(guān)聯(lián)交叉關(guān)系及變化趨勢。

3.2.1 數(shù)據(jù)準(zhǔn)備

將表1中前6個學(xué)科類別界定為醫(yī)學(xué)信息學(xué)的近鄰學(xué)科。鑒于前文已對全時段交叉態(tài)勢進(jìn)行了較為詳盡的分析，這里特別關(guān)注2000年以來的十幾年的情況。選取了WOS核心合集的SCI-Expanded、CPCI-S等數(shù)據(jù)庫，利用WOS的學(xué)科分類，檢索7個學(xué)科(醫(yī)學(xué)信息學(xué)及其6個近鄰學(xué)科)發(fā)表的文獻(xiàn)(Article類型)，時間跨度設(shè)置分成4個階段，第一個時間段：2000-2003年(111 495篇)，第二個時間段：2004-2007年(163 468篇)，第三個時間段：2008-2011年(201 345篇)，第四個時間段：2012-2015年(256 958篇)。7個學(xué)科的研究論文在4個時間段的學(xué)科疊加密度如圖4所示。

圖4 7學(xué)科科學(xué)疊加密度

3.2.2 結(jié)果分析

7個學(xué)科16年來的文獻(xiàn)集合，基于引用關(guān)系涉及了WOS的225個類別中的146個類別，足見7個學(xué)科知識覆蓋疆域的廣闊性。VOSviewer學(xué)科疊加圖中學(xué)科類別的權(quán)重用學(xué)科出現(xiàn)的次數(shù)衡量，出現(xiàn)數(shù)量越多，在圖中節(jié)點面積越大，通過節(jié)點面積的變化可以直觀發(fā)現(xiàn)學(xué)科的發(fā)展態(tài)勢。基于引文關(guān)系的學(xué)科疊加圖通過文獻(xiàn)引用將不同學(xué)科關(guān)聯(lián)起來，可視為不同學(xué)科間的交叉發(fā)展。

3.2.2.1 學(xué)科規(guī)模對比

從圖中所展示的節(jié)點名稱的顏色深淺(Medical Informatics做了增亮處理)、區(qū)域的顏色和大小等維度所反映的學(xué)科規(guī)?？?，2000-2015年間，“Public, Environmental & Occupational Health (公共環(huán)境職業(yè)健康)”一直居于榜首，除在第二個時間段(2004-2007年)與當(dāng)期排位第二的“Computer Science, Information Systems”的數(shù)量比重較為相近之外，在其余3個時間段都是具有明顯的相對大規(guī)模特征，所占比重達(dá)到30%左右；“Computer Science, Interdisciplinary Applications(計算機科學(xué)，跨學(xué)科應(yīng)用)”與“Computer Science, Information Systems(計算機科學(xué)，信息系統(tǒng))”在第一和第四時間段規(guī)模更為相近，在第二和第三時差異相對略大，位序也有變更，第二時期是后者更大，第三時期是前者更大；“Engineering, Biomedical”和“Health Care Sciences & Services”在7個學(xué)科中算是中等規(guī)模，4個時期的相對比重有增有減，但浮動不大；“Mathematical & Computational Biology”與“Medical Informatics”在第一個時期規(guī)模較為相近，但是之后的3個時期二者之間的差別明顯變大。

3.2.2.2 學(xué)科關(guān)聯(lián)對比

從4個時期的密度圖整體對比看，幾個學(xué)科間的交叉關(guān)聯(lián)關(guān)系在近10多年間變化不大。具體的細(xì)節(jié)差異體現(xiàn)在以下幾點：在2000-2003年，“Public, Environmental & Occupational Health(公共環(huán)境職業(yè)健康)”和“Engineering, Biomedical(生物醫(yī)藥工程)”是與醫(yī)學(xué)信息學(xué)互引關(guān)系相對最密切的學(xué)科；之后的3個時期，醫(yī)學(xué)信息學(xué)與“Computer Science, Interdisciplinary Applications(計算機科學(xué)，跨學(xué)科應(yīng)用)”間的互引關(guān)聯(lián)有所加強并持續(xù)關(guān)聯(lián)，與上述兩個學(xué)科略有減弱，圖中產(chǎn)生了間隙，特別是“Engineering, Biomedical(生物醫(yī)藥工程)”。在2000-2007年這兩個時期，“Computer Science, Interdisciplinary Applications(計算機科學(xué)，跨學(xué)科應(yīng)用)”和“Computer Science, Information Systems(計算機科學(xué)，信息系統(tǒng))”兩個學(xué)科都與“Telecommunications”有較為緊密的關(guān)聯(lián)，但是在后兩個時期有所淡化了；“Engineering, Biomedical”在2000-2003年期間與“Biology”和“Biophysics”關(guān)聯(lián)較大，在2004-2007年間與“Biotechnology Applied Microbiology”關(guān)聯(lián)較強，在2008-2012年與“Biochemical Research Methods”關(guān)聯(lián)較強同時與“Biophysics”恢復(fù)較強關(guān)聯(lián)，與“Radiology Nuclear Medicine Medical Imaging”的關(guān)聯(lián)僅在2004-2007年相對較為明顯。由于密度圖僅能凸顯部分關(guān)聯(lián)強度相對較大的關(guān)聯(lián)關(guān)系，所以反映的是一種相對緊密和疏遠(yuǎn)關(guān)系的變化。

3.3 醫(yī)學(xué)信息學(xué)與典型近鄰學(xué)科的知識吸收擴(kuò)散差異分析

本節(jié)采用CiteSpace繪制學(xué)科的雙重疊加圖展示對比醫(yī)學(xué)信息學(xué)與典型近鄰學(xué)科在知識吸收擴(kuò)散上的差異。陳超美教授等提出了雙重疊加圖(dual-map overlays)，并將其嵌入到CiteSpace分析軟件中[50]。雙重疊加圖刻畫了施引學(xué)科類群和被引學(xué)科類群之間的關(guān)聯(lián)，從這種關(guān)聯(lián)關(guān)系中可以直觀發(fā)現(xiàn)考察對象(比如重要文獻(xiàn)的引文集、主題數(shù)據(jù)集、對比機構(gòu)等)科研產(chǎn)出成果的知識參照和知識擴(kuò)散特征。

3.3.1 數(shù)據(jù)準(zhǔn)備

郭婷等[46]研究中利用雙重疊加圖對比分析了“Information Science & Library Science(信息科學(xué)與圖書館學(xué))”“Computer Science, Information Systems(計算機科學(xué)，信息系統(tǒng))”“Computer Science,Interdisciplinary Applications(計算機科學(xué)，跨學(xué)科應(yīng)用)”3個學(xué)科類別在2013年的知識吸收擴(kuò)散情況。由于這3個學(xué)科也是醫(yī)學(xué)信息學(xué)的關(guān)聯(lián)學(xué)科，為了利用較多的學(xué)科類別進(jìn)行對比，本文重用該文獻(xiàn)研究成果，另外搜集“Health Care Sciences & Services”和“Engineering, Biomedical”兩個學(xué)科類別在2013年的數(shù)據(jù)，構(gòu)成5個學(xué)科組成的對比學(xué)科群。同時，從數(shù)據(jù)特征看，醫(yī)學(xué)信息學(xué)在2013年、2014年、2015年這3年的文獻(xiàn)量非常接近(分別為2 458篇、2 464篇、2 463篇)，所以2013年的數(shù)據(jù)應(yīng)能較好地展現(xiàn)學(xué)科近況。

選取WOS核心合集的SCI-Expanded、CPCI-S等數(shù)據(jù)庫，利用WOS的學(xué)科分類，檢索醫(yī)學(xué)信息學(xué)及其兩個近鄰學(xué)科2013年出版的文獻(xiàn)(Article類型)，檢索結(jié)果記錄數(shù)分別為：“Medical Informatics”(2 458篇)、“Health Care Sciences & Services”(8 029篇)、“Engineering, Biomedical”(10 402篇)。這3個學(xué)科類別的雙重疊加如圖5-圖7所示。

圖5 醫(yī)學(xué)信息學(xué)(Medical Informatics)2013年學(xué)科知識的吸收擴(kuò)散疊加

圖6 衛(wèi)生保健科學(xué)與服務(wù)(Health Care Sciences & Services)2013年學(xué)科知識的吸收擴(kuò)散疊加

圖7 生物醫(yī)藥工程(Engineering, Biomedical)2013年學(xué)科知識的吸收擴(kuò)散疊加

3.3.2 結(jié)果分析

3.3.2.1 宏觀分析

用文獻(xiàn)[46]中的3個學(xué)科的雙重疊加圖同時對照醫(yī)學(xué)信息學(xué)及5個對比學(xué)科，從圖中弧形連接曲線的色彩豐富程度看，醫(yī)學(xué)信息學(xué)(Medical Informatics)、衛(wèi)生保健科學(xué)與服務(wù)(Health Care Sciences & Services)、信息科學(xué)與圖書館學(xué)(Information Science & Library Science)相對另外3個學(xué)科較少，說明了它們在知識吸收擴(kuò)散的跨學(xué)科廣度上與其他3個學(xué)科存在一定差距。

弧線的數(shù)量可以反映學(xué)科間知識流動的頻度，數(shù)量越多，頻度越大。比較6個學(xué)科，雖然衛(wèi)生保健科學(xué)與服務(wù)(Health Care Sciences & Services)的曲線色彩不多，但數(shù)量較大，特別是博納眾群的綠色線條；生物醫(yī)藥工程(Engineering, Biomedical)和計算機科學(xué)跨學(xué)科應(yīng)用(Computer Science, Interdisciplinary Applications)的數(shù)量也比其余3個學(xué)科類別要多一些，說明這3個學(xué)科的知識流動體量相對較大。

圖5-圖7右端的圖譜代表的是知識的吸收源，曲線的數(shù)量越多表明知識源涵蓋到的范圍越廣，曲線端點的位置和分布的密集程度則反映了學(xué)科類別對不同知識吸收源的側(cè)重差異?？傮w來看，幾個學(xué)科類別的知識吸收源的范圍都很廣泛，幾乎都涵蓋了右圖譜的所有聚類。具體地講，醫(yī)學(xué)信息學(xué)(Medical Informatics)和衛(wèi)生保健科學(xué)與服務(wù)(Health Care Sciences & Services)在圖譜左下方的幾個聚類上端點比較集中，生物醫(yī)藥工程(Engineering, Biomedical)和計算機科學(xué)跨學(xué)科應(yīng)用(Computer Science, Interdisciplinary Applications)則是相對偏重在圖譜右上方的幾個聚類，其余兩個學(xué)科的分布相對較為均衡，表明前兩組學(xué)科知識吸收來源相對有所偏倚和側(cè)重，更有學(xué)科針對性。

圖5-圖7左端的圖譜是知識的擴(kuò)散區(qū)域，曲線特征所反映的擴(kuò)散信息可以與右端圖譜進(jìn)行類比。醫(yī)學(xué)信息學(xué)(Medical Informatics)和衛(wèi)生保健科學(xué)與服務(wù)(Health Care Sciences & Services)都相對較多地集中于底部，后者的集中趨勢更顯著，前者則相對較為分散地涵蓋到了右側(cè)中部；生物醫(yī)藥工程(Engineering, Biomedical)突出集中于左側(cè)中部；計算機信息系統(tǒng)(Computer Science, Information Systems)明顯地集中于右側(cè)中部；計算機科學(xué)跨學(xué)科應(yīng)用(Computer Science, Interdisciplinary Applications)分布較均勻，表明不同學(xué)科知識應(yīng)用的重點領(lǐng)域和廣博程度。而知識擴(kuò)散的疆界映射了學(xué)科內(nèi)涵的豐富程度，醫(yī)學(xué)信息學(xué)在6個學(xué)科中處于中等地位。

3.3.2.2 微觀分析

本節(jié)重點就本文中的3個學(xué)科類別進(jìn)行微觀層面的分析。

醫(yī)學(xué)信息學(xué)(Medical Informatics)領(lǐng)域文獻(xiàn)所分布的期刊類群主要是“Medicine、Medical、Clinical”，知識來源主要由“Molecular、biology、genetics”“Health、Nursing、Medicine”“Psychology、Education、Social”3個聚類群構(gòu)成。其次是“Mathematics、System、Mathematical”“Psychology、Education、Health”“Molecular、Biology、Immunology”，這3個類群的知識來源學(xué)科覆蓋都非常廣泛且分布較為均勻，由于篇幅所限不予贅述。

衛(wèi)生保健科學(xué)與服務(wù)(Health Care Sciences & Services)領(lǐng)域文獻(xiàn)的主要分布類群及其來源學(xué)科類群與醫(yī)學(xué)信息學(xué)(Medical Informatics)相同，次要類群中沒有醫(yī)學(xué)信息學(xué)中的“Molecular、Biology、Immunology”，比其多了“Neurology、Sports、Ophthalmology”和“Economics、Economic、Political”。同樣是來源廣泛，不再贅述。

生物醫(yī)藥工程(Engineering, Biomedical)領(lǐng)域文獻(xiàn)的主要分布類群中也有上述兩個類別的主要類群——“Medicine、Medical、Clinical”，但其知識來源自“Psychology、Education、Social”類群的數(shù)量要比兩者少很多。除此之外，主要類群還有“Physics、Materials、Chemistry”“Molecular、Biology、Immunology”“Neurology、Sports、Ophthalmology”等，體量都比上述兩個類別的相同類別大很多。知識來源類群中，“Molecular、biology、genetics”“Health、Nursing、Medicine”是兩大主力，其知識流供應(yīng)到了左側(cè)幾乎所有分布類群，“Chemistry、Materials、Physics”位居其次，其余類別體量較少，但都比上述兩個學(xué)科要多一些。

4 結(jié)語

基于眾多學(xué)者對醫(yī)學(xué)信息學(xué)學(xué)科及其跨學(xué)科特征的研究，本文運用多種知識圖譜可視化方法和技術(shù)，從單一學(xué)科分析及多學(xué)科對比等角度，較為全面地展示和分析了該學(xué)科的交叉發(fā)展歷程及現(xiàn)狀，為其未來發(fā)展特別是跨學(xué)科方向提供了更豐富的參考和依據(jù)。從歷史角度，醫(yī)學(xué)信息學(xué)在早年借助計算機信息系統(tǒng)和攝影領(lǐng)域的先進(jìn)技術(shù)致力于改進(jìn)生物醫(yī)學(xué)領(lǐng)域的信息處理及診斷方式，之后不斷地借鑒計算機領(lǐng)域的前沿技術(shù)以及信息學(xué)、數(shù)學(xué)、工程等更多學(xué)科領(lǐng)域的先進(jìn)理論與方法，涉足更多的醫(yī)學(xué)領(lǐng)域應(yīng)對和解決多個學(xué)科多種類型數(shù)據(jù)、信息和知識的管理和處理等具體問題，推進(jìn)了醫(yī)學(xué)大學(xué)科的理論延伸及醫(yī)療實踐的改進(jìn)和發(fā)展。而這一過程使醫(yī)學(xué)信息學(xué)鍛造并保持了與其他學(xué)科交叉關(guān)聯(lián)的敏銳與活力。值得注意的是，與近鄰學(xué)科相比，醫(yī)學(xué)信息學(xué)在學(xué)科規(guī)模以及知識的吸收擴(kuò)散跨度上還存在一定的差距，這與學(xué)科發(fā)展的歷程及所處階段有較大的關(guān)系。未來，該學(xué)科應(yīng)該進(jìn)一步拓寬知識來源，審時度勢地增強與醫(yī)學(xué)內(nèi)部學(xué)科和其他科學(xué)分支學(xué)科的交叉，更多更快地借鑒其他學(xué)科和領(lǐng)域的先進(jìn)思想和方法，改進(jìn)和完善自身學(xué)科的理論基礎(chǔ)和研究技術(shù)，并進(jìn)一步增加應(yīng)用的廣度和深度，壯大學(xué)科的規(guī)模及影響力。

此外，本文運用多種圖表從不同視角分析展示特定學(xué)科的跨學(xué)科發(fā)展歷程及態(tài)勢的方法，相對于現(xiàn)有學(xué)科交叉研究更具系統(tǒng)性和完整性。特別是利用時間軸圖、氣泡圖等從關(guān)聯(lián)的時序、時長和數(shù)量級等維度對學(xué)科交叉發(fā)展歷史的縷析，是對學(xué)科交叉發(fā)展整個過程的全面綜合剖解與展示，可以為學(xué)科的未來發(fā)展提供更加詳盡豐富的參考信息，是對現(xiàn)有學(xué)科交叉研究的補充，具有一定的新穎性和先進(jìn)性。同時，本研究定位于從相對較為宏觀和長遠(yuǎn)的角度觀察醫(yī)學(xué)信息學(xué)的學(xué)科發(fā)展歷程和態(tài)勢，從學(xué)科具體主題的發(fā)展演變角度提供更為微觀和翔實的信息，將作為后續(xù)研究工作。