醫(yī)藥衛(wèi)生領(lǐng)域數(shù)字孿生相關(guān)文獻計量與知識圖譜分析

崔鈺，孫彥順，于莉莉

1.濰坊醫(yī)學(xué)院 公共衛(wèi)生學(xué)院，山東 濰坊 261053；2.解放軍第九六〇醫(yī)院 醫(yī)學(xué)數(shù)據(jù)中心，山東 濟南 250031

引言

數(shù)字孿生也被稱為數(shù)字雙胞胎，是通過對物理實體建模與仿真，建立物理實體與虛擬實體的數(shù)據(jù)交互映射，從而以虛擬實體反映物理實體的狀態(tài)[1]。美國空軍研究實驗室的Kobryn 和Tuegel 于2011 年3 月在一次演講中首次明確提到了數(shù)字孿生[2]。數(shù)字孿生近年來發(fā)展迅速，已成為世界各國學(xué)術(shù)界的熱點，其與其他技術(shù)相結(jié)合已應(yīng)用于多個領(lǐng)域，如工業(yè)生產(chǎn)中的智能工廠、智慧城市建設(shè)、航空航天領(lǐng)域的安全保障、醫(yī)療領(lǐng)域的數(shù)字模型等[3-4]。全球醫(yī)藥支出預(yù)計將以每年2%～5%的速度增長，到2024 年將超過1.1 萬億美元[5]，然而中國每千人執(zhí)業(yè)醫(yī)師僅2.31 人，且存在醫(yī)療資源分配不均衡、嚴重浪費等問題，因此為醫(yī)療專業(yè)人員和患者提供更有效的解決方案已經(jīng)迫在眉睫[6]。數(shù)字孿生使用傳感器采集物理實體的相關(guān)數(shù)據(jù)，再利用這些數(shù)據(jù)創(chuàng)建虛擬數(shù)字模型，并對其進行消化、分析、操作、更新和優(yōu)化[7]。當數(shù)字孿生技術(shù)應(yīng)用到人體時，可以通過個人的電子表現(xiàn)，來動態(tài)反映人體的分子狀態(tài)、生理狀態(tài)和生活方式，因此對醫(yī)藥衛(wèi)生領(lǐng)域中數(shù)字孿生的研究具有重要意義。

文獻計量學(xué)是采用數(shù)學(xué)、統(tǒng)計學(xué)等定量的方法分析已發(fā)表的文獻數(shù)據(jù)[8]。目前，已有部分關(guān)于數(shù)字孿生的文獻計量研究，但缺乏數(shù)字孿生在醫(yī)療衛(wèi)生領(lǐng)域中較為系統(tǒng)、全面的文獻計量學(xué)分析研究。本研究旨在根據(jù)文獻計量學(xué)的基礎(chǔ)理論和研究方法，分析醫(yī)藥衛(wèi)生領(lǐng)域數(shù)字孿生相關(guān)文獻的發(fā)文趨勢、重要作者、合作網(wǎng)絡(luò)和研究熱點，并通過可視化圖譜的方式呈現(xiàn)，以期為數(shù)字孿生在醫(yī)藥衛(wèi)生方面的應(yīng)用和相關(guān)科研人員的后續(xù)研究提供參考。

1 材料與方法

1.1 數(shù)據(jù)來源

本研究在中國知網(wǎng)、萬方、維普、PubMed 和Web of Science 數(shù)據(jù)庫檢索醫(yī)藥衛(wèi)生領(lǐng)域與數(shù)字孿生有關(guān)的文獻，限制檢索時間為數(shù)據(jù)庫建庫至2022 年10 月15 日。檢索策略如下：中國知網(wǎng)使用高級檢索，具體檢索式為：“（主題=數(shù)字孿生）OR（主題=數(shù)字鏡像）OR（主題=數(shù)字化映射）OR（主題=數(shù)字雙胞胎）”，文獻分類選擇“醫(yī)藥衛(wèi)生科技”；萬方數(shù)據(jù)庫采取主題檢索，檢索詞和文獻分類同中國知網(wǎng)的檢索式；維普數(shù)據(jù)庫采取題名或關(guān)鍵詞檢索，檢索詞和文獻分類同中國知網(wǎng)的檢索式；PubMed 數(shù)據(jù)庫采取Title/Abstract 檢索，檢索詞為“digital twin”和“digital twins”；Web of Science 檢索詞同PubMed 數(shù)據(jù)庫檢索詞，文獻分類選擇與醫(yī)藥衛(wèi)生相關(guān)。

1.2 篩選標準

納入標準：文獻研究內(nèi)容確定與數(shù)字孿生有關(guān)且屬于醫(yī)藥衛(wèi)生領(lǐng)域。排除標準：① 重復(fù)的報道案例或文獻；② 與主題無關(guān)的文獻；③ 研究類型為通知、公告、摘要匯編等的非研究型論文。

1.3 分析方法

本研究將檢索得到文獻的題錄導(dǎo)出，并利用NoteExpress（V3.0.3.6396）查重，隨后按照篩選標準選出與研究有關(guān)的文獻，以Refworks 形式導(dǎo)出。使用Excel（V16.0.15601.20148）進行文獻統(tǒng)計，使用VOSviewer（V1.6.18）進行知識圖譜分析。

1.4 規(guī)范化處理

1.4.1 機構(gòu)

依據(jù)作者地址字段提取機構(gòu)：① 對一級單位的下級部門不做單獨統(tǒng)計，如Harvard Medical School 計入Harvard University；② 大學(xué)或科學(xué)院的附屬機構(gòu)不做單獨統(tǒng)計，如Massachusetts General Hospital 計入Harvard University；③ 若機構(gòu)掛牌/名稱≥2 個，則統(tǒng)一整理為其中一個，如University of Paris 又稱Université Paris Cité，統(tǒng)一整理為University of Paris。

1.4.2 關(guān)鍵詞

將含義相同的中英文關(guān)鍵詞合并，如將“artificial intelligence” 和“ 人工智能” 統(tǒng)一為“artificial intelligence”；將意思相同或相近的關(guān)鍵詞合并，例如將“personalized therapy”“personalised medicine”和“precision medicine”統(tǒng)一為“personalized medicine”。

2 結(jié)果

本研究在中國知網(wǎng)、萬方、維普、PubMed 和Web of Science 共5 個數(shù)據(jù)庫中檢索到文獻1093 篇，經(jīng)NoteExpress 去重后剩余1005 篇。對題目、關(guān)鍵詞、摘要進行閱讀篩選，剔除非研究型論文及研究主題與醫(yī)藥衛(wèi)生領(lǐng)域數(shù)字孿生無關(guān)的文獻，最終確定納入研究的文獻共262 篇，包括期刊論文259 篇（中文期刊論文18 篇、外文期刊論文241 篇）、中文學(xué)位論文3 篇，受數(shù)據(jù)庫限制未納入國外學(xué)位論文。

圖1 文獻篩選流程圖

2.1 文獻年代與來源分布

Grieves[9]最早提出“與物理產(chǎn)品等價的虛擬數(shù)字化表達”這一概念，被視為數(shù)字孿生的雛形。尹亞麗等[10]的研究發(fā)現(xiàn)2015 年以前有關(guān)數(shù)字孿生的研究成果很少，2016 年以后相關(guān)研究開始引起學(xué)術(shù)界的關(guān)注。醫(yī)療衛(wèi)生領(lǐng)域中有關(guān)數(shù)字孿生的第1 篇文獻的發(fā)表時間是2016 年，Yonova-Doing 等[11]應(yīng)用數(shù)字孿生建模研究核性白內(nèi)障；隨后文獻發(fā)表量呈現(xiàn)緩慢上升趨勢，自2021 年起，文獻數(shù)量激增，2021 年至2022 年10 月15 日共發(fā)表210 篇文獻，占相關(guān)文獻總量的80.15%，見圖2。數(shù)字孿生有賴于傳感器數(shù)據(jù)，在醫(yī)療衛(wèi)生領(lǐng)域中傳感器用于監(jiān)視和預(yù)測患者的健康狀況[12-13]，2020 年是“萬億傳感器世界”的首次亮相；此外，2020 年前后包括中國在內(nèi)許多國家發(fā)布了有關(guān)數(shù)字孿生的指導(dǎo)文件和標準，這可能是2020 年以后相關(guān)研究增多的主要原因。國內(nèi)的相關(guān)研究起步較晚，且研究成果較少，第1 篇中文文獻發(fā)表于2020 年，是一篇針對多模態(tài)數(shù)據(jù)融合的護理信息系統(tǒng)的研究[14]。

圖2 醫(yī)藥衛(wèi)生領(lǐng)域數(shù)字孿生相關(guān)文獻發(fā)表時間分布圖

醫(yī)療衛(wèi)生領(lǐng)域中有關(guān)數(shù)字孿生的259 篇期刊論文共計來源于175 種期刊。JournalofMedicalEthics是納入文獻量最多的期刊，共8 篇，占總文獻量的3.1%。納入文獻量最多的前10 名期刊多為基礎(chǔ)醫(yī)學(xué)類期刊，見表1。

2.2 高貢獻作者與機構(gòu)

共計1306 位作者被納入作者共現(xiàn)圖譜分析。Twin Health 公司的Mohammed 和Shamanna 是發(fā)文最多的作者，均發(fā)表論文9 篇，同時也是與其他作者開展合作最多的，均與其他86 位作者存在合作，其研究主要是應(yīng)用數(shù)字孿生技術(shù)治療和控制糖尿病。根據(jù)普賴斯定律的計算公式：M=0.749×(Nmax)1/2（Nmax指最高產(chǎn)作者的發(fā)文數(shù)量，M 為該領(lǐng)域的核心作者發(fā)文量臨界值）[15]，醫(yī)藥衛(wèi)生領(lǐng)域數(shù)字孿生相關(guān)文獻發(fā)表數(shù)量最多的學(xué)者發(fā)文數(shù)量為9 篇，即Nmax=9，計算得M=2.247。因此，確定發(fā)文量大于2 篇的作者是該領(lǐng)域的核心作者，共148 位，其中17 位存在合作共線關(guān)系，共形成3 個聚類，見圖3 與表2。最大的聚類共包含9 位作者，以Thajudeen為中心、Mohammed 和Shamanna 發(fā)文量最多，其研究領(lǐng)域一致，主要是應(yīng)用數(shù)字孿生技術(shù)治療緩解糖尿病的臨床對照試驗；第二大的聚類共包含6 位作者，Ashok和Shah 是該聚類團體中發(fā)文最多的作者，均發(fā)表8 篇論文，其研究主要包括對心血管疾病和糖尿病的真實世界研究和試驗；第三大的聚類包含2 位作者，分別是Bhonsley 和Vadavi，分別發(fā)表5 篇、4 篇論文，其研究涉及人工智能、物聯(lián)網(wǎng)和全身數(shù)字雙胞胎技術(shù)。

表2 醫(yī)藥衛(wèi)生領(lǐng)域數(shù)字孿生相關(guān)研究的活躍作者

圖3 作者共現(xiàn)圖譜

共計448 家機構(gòu)被納入機構(gòu)共現(xiàn)圖譜分析，其中230 家存在合作共現(xiàn)關(guān)系，共形成20 個聚類，見圖4與表3。荷蘭的馬斯特里赫特大學(xué)是發(fā)表文獻最多的機構(gòu)，有9 篇論文，同時與其他機構(gòu)合作最廣泛，其合作機構(gòu)有51 家，包括其他8 個聚類集團的核心機構(gòu)，其主要研究數(shù)字孿生心臟。牛津大學(xué)所在的聚類位于整個聚類網(wǎng)絡(luò)的中心，與其他8 個聚類集團有合作，研究內(nèi)容較為多樣，涉及生命歷程數(shù)字雙胞胎、數(shù)字孿生心臟以及數(shù)字孿生的倫理研究等。最大的聚類集團有21 家機構(gòu)，以米蘭理工大學(xué)為中心形成，該聚類集團的機構(gòu)大多只進行內(nèi)部合作，與其他聚類集團的合作較少，研究主要包括數(shù)字孿生在血管支架、臨床腫瘤學(xué)以及流行病學(xué)模型中的應(yīng)用等，這些機構(gòu)的研究多涉及數(shù)字孿生與人工智能的結(jié)合。第二大的聚類集團有19 家機構(gòu)，主要包括Siemens 公司、慕尼黑工業(yè)大學(xué)和埃爾朗根-紐倫堡大學(xué)，該聚類與格拉茨醫(yī)科大學(xué)和奧克蘭大學(xué)所在的聚類開展了較多合作，該聚類的主要研究是數(shù)字孿生數(shù)據(jù)的獲取技術(shù)，如計算機斷層掃描、心電圖等。第三大的聚類集團有18 家機構(gòu)，其中美國梅奧診所和佛羅里達大學(xué)發(fā)表文獻最多，研究內(nèi)容主要是重癥監(jiān)護數(shù)字孿生模型的開發(fā)和構(gòu)建，該聚類與其他聚類的合作廣泛，以法國國家信息與自動化研究所為代表，其與其他8 個聚類集團的核心機構(gòu)有合作關(guān)系。如圖4 所示，各個聚類集團比較集中，說明現(xiàn)階段大部分機構(gòu)的合作對象比較局限，合作團體之間的聯(lián)系較少，應(yīng)進一步加強校企、校校間的國際合作交流，可以使數(shù)字孿生向更深層次發(fā)展[16]。

表3 醫(yī)藥衛(wèi)生領(lǐng)域數(shù)字孿生相關(guān)研究的重要機構(gòu)

圖4 機構(gòu)共現(xiàn)圖譜

2.3 熱門關(guān)鍵詞與研究熱點

因“數(shù)字孿生”和“digital twin”為檢索文獻時使用的檢索詞，基本所有文獻的關(guān)鍵詞都包含，沒有統(tǒng)計分析的意義，故對其進行排除后，出現(xiàn)頻次≥3 的關(guān)鍵詞有94 個，共形成8 個聚類，各個聚類集合之間關(guān)聯(lián)緊密；humans（人類）、artificial intelligence（人工智能）、personalized medicine（個性化醫(yī)療）、machine-learning（機器學(xué)習(xí)）是出現(xiàn)頻次最多的關(guān)鍵詞，分別為48、39、27、20 次，見表4、圖5～6。

表4 醫(yī)藥衛(wèi)生領(lǐng)域數(shù)字孿生相關(guān)研究的高頻關(guān)鍵詞

圖5 關(guān)鍵詞共現(xiàn)圖譜

圖6 關(guān)鍵詞時間圖譜

humans（人類）是出現(xiàn)最早的高頻關(guān)鍵詞，2017 年第一次出現(xiàn)；其所在的聚類是最大的聚類集合，共包含15 個關(guān)鍵詞，出現(xiàn)的高頻關(guān)鍵詞還有algorithm（算法）、patient-specific modeling（個體化建模）、software（軟件）等，主要涉及數(shù)字孿生的模型、建模和計算機技術(shù)的研究。

machine-learning（機器學(xué)習(xí)）是出現(xiàn)最晚的高頻關(guān)鍵詞，2021 年才第一次出現(xiàn)，此后一直受到高度關(guān)注。其所在的聚類是第二大的聚類集合之一，包含14 個關(guān)鍵詞，高頻關(guān)鍵詞有personalized medicine（個性化醫(yī)療）、machine-learning（機器學(xué)習(xí)）、health care（醫(yī)療保健）、digital health（數(shù)字健康）。劉曉冰等[16]研究發(fā)現(xiàn)，自2018 年起數(shù)字孿生相關(guān)的研究多與機器學(xué)習(xí)、人工智能等技術(shù)方法結(jié)合，在醫(yī)藥衛(wèi)生領(lǐng)域數(shù)字孿生與機器學(xué)習(xí)、人工智能等技術(shù)方法結(jié)合是目前的研究熱點。2015 年歐盟PerMed 項目組發(fā)布《塑造歐洲的個性化醫(yī)療愿景》，推動了歐盟個性化醫(yī)療的實施[17]，同年我國召開精準醫(yī)學(xué)專家研討會[18]，提出了中國版精準醫(yī)療計劃，數(shù)字孿生技術(shù)有助于為患者打造一套建立在數(shù)據(jù)基礎(chǔ)上的最佳治療方案，推動個性化醫(yī)療的發(fā)展。

數(shù)字孿生與新一代信息技術(shù)的深度融合是數(shù)字孿生技術(shù)的研究熱點和未來發(fā)展方向[16]，本研究發(fā)現(xiàn)這也是醫(yī)藥衛(wèi)生領(lǐng)域數(shù)字孿生相關(guān)研究的熱點，涉及的關(guān)鍵詞包括big data（大數(shù)據(jù)）、artificial intelligence（人工智能）、machine-learning（機器學(xué)習(xí)）等。

有關(guān)數(shù)學(xué)和計算機建模方法的關(guān)鍵詞包括agent based modeling（代理建模）、multi-scale modeling（多尺度建模）、finite element method（有限元法）等。目前數(shù)字孿生技術(shù)與其他新興數(shù)字研究方式相結(jié)合的方法備受學(xué)術(shù)界關(guān)注，且推動了數(shù)字醫(yī)學(xué)的整體發(fā)展。

與數(shù)字成像技術(shù)有關(guān)的關(guān)鍵詞較多，包括tomography、X-ray computed（X 射線計算機斷層掃描）、MRI（核磁共振成像）、CT（計算機斷層掃描）、imaging、three-dimensional（三維成像）、ECG（心電圖）等，可見數(shù)字孿生與數(shù)字成像技術(shù)的結(jié)合是研究熱點之一，陳珊珊等[19]認為數(shù)字孿生技術(shù)有助于推動智能醫(yī)學(xué)影像實驗室的發(fā)展。

與骨骼有關(guān)的部分關(guān)鍵詞也引起了一定關(guān)注，包括bone（骨）、spinal metastasis（脊柱轉(zhuǎn)移）、vertebral fracture（脊柱骨折）等。數(shù)字孿生在與信息物理融合系統(tǒng)[20]相關(guān)的骨骼建模和生物動力學(xué)中的應(yīng)用受到關(guān)注，2022 年前后有關(guān)數(shù)字孿生的椎體形成技術(shù)也引起了一定關(guān)注[21]。

3 討論與總結(jié)

本研究分析了醫(yī)藥衛(wèi)生領(lǐng)域中與數(shù)字孿生相關(guān)的262 篇文獻，系統(tǒng)全面地為相關(guān)科研學(xué)者闡述了目前醫(yī)藥衛(wèi)生領(lǐng)域有關(guān)數(shù)字孿生研究的現(xiàn)狀、重要作者和機構(gòu)、合作網(wǎng)絡(luò)、研究熱點等方面的發(fā)展趨勢，發(fā)現(xiàn)總體上文獻發(fā)表量呈現(xiàn)上升趨勢，且2021年起文獻數(shù)量增長迅速。Mohammed、Shamanna、Mohamed、Ashok 和Shah 等學(xué)者及其所在的團隊對數(shù)字孿生在醫(yī)藥衛(wèi)生領(lǐng)域的研究貢獻較大，Mohammed 和Shamanna 在應(yīng)用數(shù)字孿生技術(shù)治療緩解糖尿病的研究中貢獻突出；馬斯特里赫特大學(xué)、倫敦國王學(xué)院、牛津大學(xué)和巴黎大學(xué)是發(fā)表文獻最多的機構(gòu)，不同機構(gòu)的研究內(nèi)容差異較大，大多數(shù)機構(gòu)的合作對象較為局限，缺乏大規(guī)模合作，已有部分校企之間存在合作，但仍需加強。數(shù)字孿生與大數(shù)據(jù)、機器學(xué)習(xí)、人工智能等新興技術(shù)以及其他數(shù)學(xué)和計算機建模方法的結(jié)合是醫(yī)藥衛(wèi)生領(lǐng)域有關(guān)數(shù)字孿生的研究熱點，基于數(shù)字孿生技術(shù)的個性化醫(yī)療、數(shù)字成像技術(shù)、骨骼建模和生物動力學(xué)研究也受到較多的關(guān)注。就目前的技術(shù)而言，建立一個充分、完整的人類數(shù)字孿生可能遠非現(xiàn)實，然而，能夠鏡像人類的一小部分，例如細胞受體甚至一些亞細胞器，仍可以將現(xiàn)代醫(yī)學(xué)推向一個全新的水平[22]。事實上，許多研究計劃通過收集健康個體和患者的分子、基因組和其他大數(shù)據(jù)，為構(gòu)建數(shù)字人類孿生奠定基礎(chǔ)[23]。

總體上，目前醫(yī)藥衛(wèi)生領(lǐng)域?qū)?shù)字孿生的關(guān)注度較高，對數(shù)字孿生技術(shù)的應(yīng)用尚且有限，但其發(fā)展前景值得期待?？梢灶A(yù)見的是，結(jié)合數(shù)據(jù)、知識和算法的數(shù)字孿生將徹底改變醫(yī)療衛(wèi)生科技的發(fā)展。由于數(shù)字孿生是近年來的新興技術(shù)，醫(yī)藥衛(wèi)生領(lǐng)域的相關(guān)研究有限，本研究僅納入了262 篇文獻，文獻數(shù)量較少，且受限于國外學(xué)位論文的獲取途徑，本研究未納入國外學(xué)位論文，這是主要不足之處，但本研究的文獻計量分析結(jié)果可為未來醫(yī)藥衛(wèi)生領(lǐng)域有關(guān)數(shù)字孿生的理論研究與應(yīng)用探索提供參考與借鑒。