健康醫(yī)療人工智能指數(shù)報告

目錄引言引言01第一章第一章界定與分類031.數(shù)據(jù)集界定 032.研究領域分類 04覽061.數(shù)據(jù)與指標 061.1.數(shù)據(jù)來源 06 2.分析結果 082.1.主要國家 082.2.研究機構 082.3.科研合作 102.4.研究主題分布 112.5.高科學影響力論文 14 第三章第三章科學技術交叉201.數(shù)據(jù)與指標 201.1.數(shù)據(jù)來源 201.2.學術界與產業(yè)界的知識流動指標 202.分析結果 202.1.學術界與產業(yè)界的知識流動總體狀況 20 第四章第四章科學社會交互241.數(shù)據(jù)與指標...........................................................................................................................241.1.數(shù)據(jù)來源 241.2.科學社會交互指標 242.分析結果 252.1.多媒介提及指數(shù)較高的話題 252.2.社交媒體傳播指數(shù)較高的話題 25目錄第五章第五章人類-機器協(xié)同(AI臨床試驗)291.引言 292.數(shù)據(jù)與指標 312.1.數(shù)據(jù)來源 312.2.分析指標 313.分析結果 323.1.臨床試驗數(shù)量 323.2.發(fā)起機構分布 323.3.臨床試驗分期 343.4.研究類型分布 343.5.干預措施類型 343.6.目標人群(疾病譜) 353.7.樣本量分布 363.8.招募狀態(tài)分布 373.9.臨床試驗結果報道 37主要結論391.前沿科學技術與醫(yī)學的深度融合是健康醫(yī)療人工智能發(fā)展的基礎，未來將在公共衛(wèi)生和 2.中國已成為健康醫(yī)療人工智能科學研究與臨床試驗的最主要貢獻者之一，但在學術影響 3.健康醫(yī)療人工智能技術譜的核心是機器學習(含深度學習)和醫(yī)療機器人，疾病譜以慢 4.與科學共同體的熱點研究主題相比，健康醫(yī)療人工智能研發(fā)與應用的倫理學問題成為社 5.健康醫(yī)療人工智能全球臨床研究仍處于早期階段，中國以大學/醫(yī)院為發(fā)起主體，側重 引引言人口老齡化、社會環(huán)境因素變化、慢性病疾病負擔加重、新發(fā)突發(fā)傳染病等對我國人民健康帶來了巨大挑enceHealthAI)的核心是利用人工智能等前沿科學技術賦能在線發(fā)表北京大學健康醫(yī)療大數(shù)據(jù)國家研究院詹啟敏院文肯定了人工智能(AI)技術在健康醫(yī)療領域頗具潛力的手段用于常見疾病一般狀況的醫(yī)療決策。然而，由于AI院、哈佛大學等機構，每年發(fā)布AI指數(shù)報告(AIIndexReport全球AI表《醫(yī)療人工智能：希望、炒作、浮夸承諾、危險》綜報告，討論了人工智能在醫(yī)療保健領域的前景和風險，以及政策制定者在不確定的環(huán)境下需要解決的關鍵政策人工智能在健康醫(yī)療領域的研究與應用主要集中于子健康檔案(EHR)和專家知識整合，基于AI的常見病醫(yī)療服務質量評估、藥物不良反應監(jiān)測等。與金融、電分落地，研究和應用還有很大空間7。但目前尚未見從客觀數(shù)據(jù)角度系統(tǒng)分析健康醫(yī)療人工智能研究與開發(fā)狀北京大學健康醫(yī)療大數(shù)據(jù)國家研究院致力于促進和引領人工智能在健康醫(yī)療領域的研究和應用，并研發(fā)一個科研發(fā)展復合指數(shù)以供該領域國內科研機構參考。指數(shù)(Index)，即反映某個領域發(fā)展狀況的多維、綜合研究概覽、科學技術交叉、科學社會交互、人類機器協(xié)同四個方面，以已發(fā)表的科學出版物和已注冊的臨床試驗為基礎數(shù)據(jù)，回顧分析健康醫(yī)療人工智能領域最近5年(2015-2019)的全球科學研究和臨床試驗的規(guī)模、醫(yī)療人工智能領域的戰(zhàn)略規(guī)劃、研發(fā)布局和臨床應用管6He,J.,Baxter,S.L.,Xu,J.,Xu,J.,Zhou,X.,&Zhang,K.(2019).Thepracticalimplementationofartificialintelligence2.2.研究領域分類由于本報告的數(shù)據(jù)集以科學出版物為主，且聚焦健康醫(yī)療領域，因此我們考慮仍采用醫(yī)學主題詞表這一術語體系對健康醫(yī)療人工智能研究領域進行分類。MeSH；剩余10,897篇科學出版物并未被MEDLINEMeSH；對于這部分科 (MTI)將標題和摘要文本自動映射并標注MeSH主題詞；利用python3.7通過爬蟲將文件列表中的摘要抓題詞映射的追蹤與分析。對上述數(shù)據(jù)進行清洗，數(shù)據(jù)符合輸入要求后輸入MTI系統(tǒng)。在得到MTI結果后，利用python程序通過識別編號將主題詞與文獻之間建立映射。對于已有PMID的文獻(n=14,820)，我們利用 (1)健康醫(yī)療人工智能技術領域的分類； 類，考慮采用世界衛(wèi)生組織(WHO)ICD-10分類標準，并與疾病IntelligenceInformationScience包括：計算機啟發(fā)式決策、專家系統(tǒng)、模糊邏輯、知識組織系統(tǒng)、機器學習、自然語言處理、計算機神經網絡由于上述8個一級下位術語之間存在交叉，經咨詢醫(yī)學信息學和醫(yī)療人工智能領域專家意見，按如下FuzzyLogic合并，在算法層面，都是先驗知識的形式123LL4L56位術語深度學習，往往被用于自然語康醫(yī)療人工智能涉及的主要技第第二章科學研究概覽1.1.數(shù)據(jù)來源采用由北京大學健康醫(yī)療大數(shù)據(jù)國家研究院和愛思唯爾雙方融合后的數(shù)據(jù)集，該數(shù)據(jù)集含有25,717篇與HealthAI主題有關的科學出版物，基于愛思唯爾的1.2.分析指標 (1)科研產出及影響力指標主體發(fā)表的包含期刊論文、會議文集、綜述文章、發(fā)表叢書的所有文章的數(shù)量，代表了被評估主體在某一個固到的總被引次數(shù)相比于與其同類型發(fā)表文章(相同發(fā)表年份、相同發(fā)表類型和相同學科領域)所收到的平均被的平均水平。本次分析的文章被引用其中，歸屬國家/地區(qū)定義為：只要在一篇文章的所有作者中，其隸屬研究機構從屬于某一國家/地區(qū)，則該文章會被歸為該國家/地區(qū)的一篇文章。一篇國際合作型文章會由于署有多個國家/地區(qū)的隸屬機構而同 (2)機構科研產出及影響力指標構科研產出及影響力的評價指標包括：發(fā)文量、FWCI和被引次數(shù)。被引次數(shù)(Citation)是指在某一個固定時間段內被評估主體所發(fā)表文章的所有被引用次數(shù)，在一定程度上反映了被評估主體發(fā)表文章的學術影年份較久的文章，會由于積累時間較少而導致總被引次20 (3)科研合作指標學術科研合作文章分為三類：國際合作 (InternationalCollaboration)、國內合作(NationalCollaboration)和機構內合作(InstitutionalCollaboration)，其中：且作者中沒有隸屬于國外研究機構，但至少有兩位作者隸屬于國內不同的研究機構，表明該類文章源于國內合且所有作者全部隸屬于國內同一機構，表明該類文章源 (4)產學合作指標和企業(yè)的合作程度。產學合作文隸屬單位屬于學術機構，且至少 (5)研究主題分析研究興趣的文章所研究內容的共同焦點。在Scopus數(shù)具有相似研究焦點的研究主題(topic)聚集在一起，形成更廣泛、更高層次的研究領域。在深入研究更為細分的研究主題之前，這些研究主題群可用于更廣泛地了解一個國家/地區(qū)、機構或研究人員正在進行的研究。 (6)高科學影響力論文分析采用論文的被引次數(shù)評價其相應的科學影響力，分 (7)疾病分類方法了包含該表所列疾病主題詞的所有下位主題詞的映射詞MeSH群同樣通過直接被引算法計算而得，當多個研究主題間的引文鏈接強度達到某個閾值時，就形成了一個研究主研究主題(群)顯著度得分(TopicProminenceScore)：每個研究主題(群)的顯著度得分是根據(jù)該研究主題(群)內所有文章的被引次數(shù)、在Scopus中的被瀏覽數(shù)和期刊平均引用分(CiteScore)等三個指標的線性計算得到。根據(jù)顯著度得分從高到低排名可得到本研究主題(群)的全球顯著度百分位數(shù)。已有相關研究表明9，研究主題(群)顯著度得分代表了該研究主題(群)被全球學者的關注程度、熱門程度和發(fā)展勢頭，并且研究主題(群)的顯著度得分與其所獲研究資助呈2.2.分析結果2.1.主要國家位國家的科研產出及影響力的分布情況詳見圖2-1。發(fā)文量排名前五位的國家依次是美國、中國、印度、英CI2.0，與全球平均水平持平(FWCI=2.0)，但低于美國 平線上，印度(FWCI=1.2)則顯著低于全球平均水平。發(fā)文量排名前五位的國家科研產出及影響力趨勢變的文章數(shù)量從2015年較低的269篇增長到2019年的1,819篇，年復合增長率達到46.6%。前五位國家中，文章產出年復合增長率最高的國家是印度，其年復合增2.2.研究機構的科研產出及影響力情況見圖2-3。其中，發(fā)文量排名最高的學術機構為上海交通大學(206篇)，其文章被文大學在前十位學術機構中中發(fā)文量最低，但其文章的FWCI高被引次數(shù)同樣最高(3,235次)。中山大學在FWCI排名前十位的學術機構中發(fā)文量最高(148篇)，且其被引次數(shù)排名第二(2,509次)。構的科研產出及影響力情況見圖2-5。被引次數(shù)排名最高的學術機構為香港中文大學，其被引次數(shù)達到3,235次，其文章的FWCI同樣最高(5.6)。上海交通大學在學術機構中發(fā)文量最高(206篇)，2.3.科研合作中國、美國和全球科研合作類文章的發(fā)文量占比及合作中發(fā)文量占比均較為相近，體現(xiàn)為國際合作占比最多，機構內合作最少；國際合作的FWCI最高，機構內高于全球平均FWCI(2.8)，其余合作類型均低于相應中國、美國和全球產學合作類文章的發(fā)文量占比及比與FWCI均高于中國。中國的產學合作類文章雖然占比低于全球平均水平，但FWCI(3.7)高于全球平均水平(3.4)。CICI2.4.研究主題分布2015-2019年間健康醫(yī)療人工智能文章的研究主題群分布情況見圖2-8。該類研究共涉及987個研究主題群，涉及學科領域包括醫(yī)學、計算機科學、物理學、生物化學、遺傳學和分子生物學、環(huán)境科學、工程學及社會科學等。包含文章數(shù)最多的研究主題群為“算法、計算機視覺、模型”(Algorithms,ComputerVision、alRecognitionObject都會根據(jù)直接被引算法被歸類為一個研究主題群，即每一個研究主題群中都包含一定數(shù)量的文章，稱為該研究某個特定研究主題的文章數(shù)占該研究主題所有文章數(shù)量的比例體現(xiàn)了健康醫(yī)療人工智能對于該研究主題群的內顯著度百分位為67.9%，其下包含71個研究主題，其關鍵詞包括“深度學習”(DeepLearning)、“神經網絡”(NeuralNetwork)、“流式細胞儀”(Flow像分割”(ImageSegmentation)等。中國學術機構參與的健康醫(yī)療人工智能文章的研究主題群分布情況如圖2-9所示，該部分文集共涉及到505個研究主題群，涉及到的學科領域包括醫(yī)學、計算機科學、生物化學、遺傳學和分子生物學、環(huán)境科學、工程學及社會科學等。包含文章數(shù)最多的研究主題ls0個研究主Vision)、“面部識別”(FacialRecognition)和“目標探測”(ObjectDetection)等。該文集被收錄在每個研究主題群的全球所有文章中占比最高的研究主題群為“磁共振成像、圖像分割、醫(yī)學成像”(MagneticResonanceImaging;ImageSegmentation;MedicalImaging)，含175篇文章。該研究主題群顯著度百分位為74.6%，其下包含99個研究主題，其關鍵詞包括“腦腫瘤”(BrainNeoplasm)，“影像配準”(Image表2-1高科學影響力論文(Top20)數(shù)1斷皮膚癌達到l2于計算機輔助3檢測糖尿病視4腦腫瘤分割56于醫(yī)學圖像分析8像學的應用球網格化土壤信解碼射線表的剪接編碼對的應用診斷乳腺癌女傳學和基因組學間質性肺疾病學習在常規(guī)結腸癌和分類細胞核98429458421234567189415150353260120331200131050022000014020430112000221010010000011000210202104020211000000002010100000第三章第三章科學技術交叉1.1.數(shù)據(jù)來源采用由北京大學健康醫(yī)療大數(shù)據(jù)國家研究院和愛思唯爾雙方融合后的數(shù)據(jù)集，該數(shù)據(jù)集含有25,717篇與HealthAI主題有關的科學出版物。該部分基于愛思唯爾的Scival數(shù)據(jù)平臺對學術論文被專利引用的識別和是“前向引證”，表明研究成果是否隨后被用于專利領域。其中專利數(shù)據(jù)庫包含了對全球五大專利數(shù)據(jù)庫的數(shù)據(jù)統(tǒng)計，分別為：全球專利局WIPO、美國專利商標局1.2.學術界與產業(yè)界的知識流動指標計了被評估的文集作為一個整體被專利引用的專利數(shù)被專利引用的文章數(shù)(Patent-citedscholarly2.2.分析結果2.1.學術界與產業(yè)界的知識流動總體狀況該領域內學術界與產業(yè)界的知識流動詳見圖3-1，美國文章的施引專利數(shù)量(419)遠高于中國(83)，約為全球總量(863)的一半；被專利引用的文章數(shù) (172)也遠高于中國(44)，同樣約達到了全球總量 (354)的一半。中國文章的施引專利數(shù)量(83)約為美國(419)的1/5；被專利引用的文章數(shù)(44)約為美國(172)的1/4。中國的44篇被專利引用的文章中，參與貢獻文章數(shù)排名前五的中國機構為中國科學院、清華大學、浙江大學、香港中文大學和深圳先進技術研究Network)、“深度學習”(DeepLearning)、“心律失?！?HeartArrhythmia、“人工智能”(Artificial中，參與貢獻文章數(shù)排名前五的美國機構為哈佛大學、NIH)、麻省理工學院、范德堡大學和加州大學洛杉磯分校。出現(xiàn)頻率最高的五個關鍵詞“深度學習”(DeepLearning)、“機器學習”(MachineLearning)、“神經網絡”(NeuralNetwork)、“乳腺鉬s從研究內容來看，被專利引用前10位的研究應用領域包括計算機輔助檢測、疾病診斷和分類、遺傳學和基因組學等內容，其中7項研究涉及圖像識別技的研究為NIH于2016年將深度卷積神經網絡用于計算機輔助檢測(Shinetal.,2016)的研究，被引次數(shù)高達23次；奈梅根大學在2016年有塔爾大學和華威大學在2016年開展的有關結腸癌檢測al機器學習用于遺傳學和基因組學的研究，被引次數(shù)分別AI技術應用于疾病的診斷和分類上，包括冠狀動脈相關研究2項，細胞核分類、皮膚癌診斷、組織病理學診斷相關研究各1項。其中，飛利浦公司在2017年做的有關深度學習在冠狀動脈病變血流動力學評估中的準確性l有2家機構是企業(yè)，分別是被引排名第3的飛利浦公司這在一定程度上說明該研究領域是公司近期產品研發(fā)的重點。除荷蘭的奈梅根大學有2項研究被引次數(shù)位于前10位外，其余單位僅有1項研究。50%的專利引用量前10位的研究來自美國，除卡塔爾和以色列2個亞洲次數(shù)前101計算機輔助檢測學和基因組學研究3腔自動分割算法45動脈斷層掃描6剪接編碼對于疾病遺傳78膚癌達到皮膚病專家9習在常規(guī)結腸癌組織學圖胞核理學診斷準確性和效3.HealthAI細分領域科學-技術交叉在專家系統(tǒng)及決策規(guī)則這兩個AI子領域中，被專利引用的文獻及引用文獻的專利數(shù)量均為0，這兩個領人領域的被引數(shù)量也相對較高(表3-2)。但總體被專利引用文獻數(shù)量較每年發(fā)表的文獻數(shù)量仍然有兩個數(shù)量633100520000112231212100000000第四章第四章科學社會交互1.1.數(shù)據(jù)來源采用由北京大學健康醫(yī)療大數(shù)據(jù)國家研究院和愛思與HealthAI主題有關的科學出版物。該部分基于愛思平臺對各類學術研究成果的交流、分享以及互動進行廣泛的數(shù)據(jù)統(tǒng)計和研究，進而對學術研究成果的社會影響1.2.科學社會交互指標其他方式被研究的程度，包含該文章繼被引次數(shù)之后另一個想要了解的統(tǒng)注意力指數(shù)(Capture)：注意力指標體現(xiàn)該研究的”、“讀者”、“導出”、“訂閱”被博客ia標體現(xiàn)了研究工作在社交媒體上被傳播的程度，包含PlumX分別給出每篇文章在上述4個指標上的分社會影響力，本報告僅納入多媒介提及指數(shù)和社交媒體以下詳細分析全球和中國學者發(fā)表的社交媒體傳播1項回顧性研究和9項試驗性研究。全球社pTwitter、Facebook原因，中國的研究被社交媒體傳播頻次顯著較低，全球范圍內被傳播次數(shù)最多的研究為北卡羅來納大學在2017年做的“有關自閉癥譜系障礙高達100,260次，遠高于其他研究被報道的次精神疾病、臨床結局預測、放射學、腫瘤學以及常見病多發(fā)病的評估等研究方向。而中國被大眾媒體報道次數(shù)最多的研究為深圳大學所做的有關“厭惡感知神經基礎容涉及心理疾病、醫(yī)療關系、癌癥、帕金森病和心血管等常報道內容更多涉及常見病、多發(fā)病以及醫(yī)療衛(wèi)生領域公國國家經濟研究局和麻省理工學院合作的有關晚年醫(yī)療支出預測模型(Einavetal.,2018)的研究與美國老齡化我國被社交媒體高頻報道和傳播的10項研究均來自各大高校的研究結果，其中中國電子科技大學參與度較其他高校更高；而全球范圍內被高頻報道的研究所涉及的機構類型較為多元化，除大學外還包括IBM公司(Bedietal.,2015)、美國放射學學會和猶太民族健康協(xié)發(fā)表時間看，全球范圍內被高頻報道前10位的研究中研究中有5項研究于2019年發(fā)表，相對于高科學影響力和高技術影響力的研究僅有1項于2019年發(fā)表(存在較長的引用時滯)，提示社交媒體對科學研究的反饋12測模型3作4歸在臨床預測模型的應用5學中的應用6療的多模態(tài)試驗7序預測埃博拉患者的預后8尿病風險分層9機器學習“應對倫理挑戰(zhàn)”1礎在種族偏見中的研究2心源性猝死的預測、管理和未來挑3床文本中的醫(yī)療關系分類應用45性疲勞綜合征相關性中的應6信號和外部社會線索之間的作用7學習在磁共振成像分類尋找前列8特異性結合位點9血管事件動地理萎縮分割的應用第五章人類-機器協(xié)同(AI臨床試驗)引言醫(yī)療領域的信息化進程累積了海量的人類健康數(shù)升人類健康水平并減輕醫(yī)療衛(wèi)生體系現(xiàn)有的沉重負擔。據(jù)估計，全球醫(yī)療人工智能市場的價值將從2018年的20億美元增長到2025年的36億美元，年增長率達到50%12。人工智能相關的健康管理設備與臨床決策支持系統(tǒng)已經成為當前醫(yī)療領域的研究熱點之一?，F(xiàn)有的人工智能應用于醫(yī)療領域的研究涵蓋了多種應用場景，包括疾病篩檢，疾病嚴重程度分類，輔助診斷，疾病預后預測，臨床決策支持和治療方案推薦等。深度學習是人工智能的一個分支，在醫(yī)學成像領域表現(xiàn)出落地應用的前景。隨著越來越多研究成果趣日益濃厚。美國斯坦福大學自2017年首份AI指PerformanceMilestones)清單后，健康醫(yī)療領域人工智能每年均有入選，包括2017年入選的“人工智能診斷皮膚癌”、2018年入選的“人工智能用于前列腺癌的分級”和2019年入選的“人工智能以專家級的準確性檢測糖尿病視網膜病變”。在《自然》雜志2017年發(fā)表的一篇文章中，Esteva等人描述了一病的129,450張臨床圖像，并比較其與21名通過認證的皮膚科醫(yī)生的診斷水平。比較結果發(fā)現(xiàn)人工智能系統(tǒng)有能力對皮膚癌進行分類，其能力可比肩皮膚科對前列腺癌進行自動分級的總體準確率可達70%，而美國委員會認證的病理學家在研究中的平均準確率為61%15。2019年的一項研究表明，深度學習算法能夠以專家級的準確性檢測糖尿病視網膜病變(DR)，臨床驗證顯示，其準確度明顯高于專家16。versusclinicianssystematicreviewofdesignreporting13RaymondPerrault,YoavShoham,ErikBrynjolfsson,JackClark,JohnEtchemendy,BarbaraGrosz,TerahLyons,JamessNaturel16Ruamviboonsuk,P.,Krause,J.,Chotcomwongse,P.etal.Deeplearningversushumangradersforclassifyingdiabetic近兩年，人們可經?？吹揭恍┟襟w新聞出現(xiàn)諸如“研究發(fā)現(xiàn)，谷歌人工智能比醫(yī)生早一年發(fā)現(xiàn)肺癌”媒體宣傳極大增加了公眾和商業(yè)對健康醫(yī)療人工智能的研究方法和偏倚風險尚未得到詳細的檢驗。根據(jù)《英TheBMJ17，倫敦帝國理工學院的研究人員回顧了過去10年發(fā)表的研，并將深度學習算法在醫(yī)學成像方面的表現(xiàn)與臨床專家目前存在著許多關于AI與臨床醫(yī)生比肩或優(yōu)于臨床醫(yī)，也無法最大限度地保障患者的安全，而最佳策略是確保有高質量和透明度的報告作為證據(jù)基礎。當前面向人工智能相關的醫(yī)療應用設備與系統(tǒng)的研究、評價與審批制度并不完善。2020年Nature同時發(fā)表了兩篇人工智能相關的臨床試驗研究的報告規(guī)范指南18,19，以推進人工智能相關的醫(yī)療應用設備與系統(tǒng)研究的規(guī)范化進程。國務院辦公廳于2016年發(fā)布了《關于促進和規(guī)范健康醫(yī)療大數(shù)據(jù)應用發(fā)展的指導意見(國辦法[2016]47號)》，提出通過“互聯(lián)網+健康醫(yī)療”探索服務新模式培育發(fā)展新業(yè)態(tài)的目標。自此之后，我國人工智能相關的醫(yī)療應用設備與系統(tǒng)的臨床試驗迅速發(fā)展，臨床試驗研究機構承接及牽頭試力也大幅提升。對于“研究條件”下人機可媲美能否轉化為“真及我國人工智能醫(yī)療設備與系統(tǒng)開展臨床試驗的數(shù)量、人群、干預措施及研究設計等，旨在描述全球以及我國正在開展的健康醫(yī)療人工智能臨床試驗的基本特征19LiuX,CruzRiveraS,MoherD,etal.Reportingguidelinesforclinicaltrialreportsforinterventionsinvolvingartificial22.數(shù)據(jù)與指標2.1.數(shù)據(jù)來源本部分的數(shù)據(jù)來源于國際通用的臨床試驗登記與信息公示平臺ClinicalT(https:///)?；谠摂?shù)據(jù)庫提取人工智能相關Learning”、“ArtificialIntelligence”、“MachineLearning”、“AI”為關鍵詞對臨床試驗的干預措施及標題進行初篩(n=782)，然后由醫(yī)療領域的專業(yè)人士進行人工復篩，排除非人工智能相關的臨床試驗 研究機構均相同篩選出可能的重復臨床試驗，專業(yè)人士人工判斷是否為重復臨床試驗，排除重復臨床試驗 (n=1)；排除招募狀態(tài)為暫停、終止、撤銷的臨床試驗(n=15)。最終，篩選出462例人工智能相關的臨2.2.分析指標從最終篩選的人工智能相關的臨床試驗登記數(shù)據(jù)申報日期、所在國家等；(2)試驗設計信息：目的、 (3)試驗實施信息：招募狀態(tài)、試驗結果等。數(shù)據(jù)處理與統(tǒng)計分析使用Python3.7。根據(jù)名稱大學/醫(yī)院類研究機構和企業(yè)。統(tǒng)計學方法包括描述性統(tǒng)計，使用數(shù)值(百分比)描述計數(shù)型數(shù)據(jù)。結果描述研究類型、干預措施、研究人群、樣本量的分布特征、時間變化趨勢與國家分布比較，并對已有試驗結果的。3.3.分析結果3.1.臨床試驗數(shù)量的462例人工智能相關的臨床試驗。全球及數(shù)量占比前十國家每年發(fā)起的人工智能臨床試驗數(shù)量的床試驗的新增數(shù)量呈快速遞增趨勢，其中主要發(fā)起國為中國和美國。中國人工智能相關臨床試驗的新增數(shù)量在試驗的新增數(shù)量達到48例，在全球新增人工智能相關臨床試驗中占比27.3%(2020年的數(shù)據(jù)統(tǒng)計截至2020年9月)。3.2.發(fā)起機構分布圖5-3和圖5-4。2017至2019年，全球及中國從事過人工智能相關臨床試驗的研究機構數(shù)量均呈快速遞增趨勢。截至2020年，全球從事過人工智能相關臨床試驗的研究機構為126所，其中中國的研究機構為27所(21.4%)。全球及中國人工智能相關臨床試驗數(shù)量排名前十位的研究機構見表5-1。全球人工智能相關臨床試驗數(shù)量最多的前十位研究機構中，中國的研究機構占到6位。全球范圍內人工智能臨床試驗發(fā)起量最多的研究機構為中國的中山大學(20例)；排在第二位的是中國的山東大學(14例)。全球、中國及美國人工智能臨床試驗發(fā)起機構的類型分布見圖5-5。全球人工智能相關臨床試驗的發(fā)起機構中，大學/醫(yī)院類機構有171所(59.2%)，企業(yè)類機構有118所(40.8%)。中國人工智能相關臨床試驗 (88.9%)；企業(yè)類機構僅有6所(11.1%)。美國人類機構有39所(60.0%)，企業(yè)類機構有26所(40.0%)。數(shù)量排名前十位的研究機構67565645n45343433.3.臨床試驗分期試驗期被研究者劃分為“NotApplicable”或者缺失，不能歸入類似藥物臨床試驗的四個分期的類別中。已有段 只有5項。間3.4.研究類型分布全球人工智能相關臨床試驗的研究類型分布見圖的研究為190例(41.1%)。3.5.干預措施類型2006-2020年全球人工智能臨床試驗干預措施的時間變化趨勢見圖5-8。其中，干預措施以設備類干預 (22.7%)和診斷試驗類干預(19.3%)為主，其次為行為干預(5.4%)。自2017年起，設備類干預與診斷。的時間變化趨勢見圖5-9。其中，干預措施以診斷試驗類干預(24.8%)和設備類干預(20.7%)為主，其次為操作類干預(5.8%)。2020年，中國診斷試驗類干為主。自2017年起，美國設備類干預的臨床試驗的數(shù)施施3.6.目標人群(疾病譜)全球、中國以及美國人工智能臨床試驗的目標人群見表52。根據(jù)臨床試驗研究人群的疾病詞云圖和具體疾病頻數(shù)表，全球范圍內人工智能臨床試驗主要關注的疾病包括：腫瘤(尤其是乳腺癌)，糖尿病和心血管疾病(尤其是冠心病)。此外，抑郁癥與2020年爆發(fā)的COVID-19也受到較多關注。中國人工智能臨床試驗主要關注的疾病包括腫瘤，眼部疾病(尤其是青光眼與糖網膜病變)，心血管疾病(尤其是冠心病)和糖尿病。美國人工智能臨床試驗主要關注的疾病包括腫瘤，神經系統(tǒng)病變，心血管疾病(尤其是心衰)，抑試驗的目標人群分布6665645453535353535242429429429229228228228228223.7.樣本量分布入樣本量>1000人的臨床試驗為134例(29.1%)，納入樣本量>5000人的臨床試驗為63例(13.7%)。其中，樣本量>5000人的人工智能相關臨床試驗的干預措施的分布見圖5-12，研究人群的疾病分布見干預措施以診斷試驗類干預(32.9%)為主，研究人群的疾病類型主要包括：腫瘤，毒血癥，心血管疾病和87543332223.8.招募狀態(tài)分布有185例(40.0%)臨床試驗正在進行受試者招募。已完成受試者招募的臨床試驗中，有5例(4.9%)臨床試3.9.臨床試驗結果報道inicalTrialsgov4項臨床試驗的結果均支持人工智能相關的設備或行為1項臨床TrialTitleountrynionsseEnrollmentInterventiontsredmne章主要結論本報告綜合發(fā)揮北京大學健康醫(yī)療大數(shù)據(jù)國家研究院和愛思唯爾雙方各自優(yōu)勢，分別通過醫(yī)學術語組配檢人工智能科學出版物的界定方案?；仡櫺苑治隽俗罱?年健康醫(yī)療人工智能科學研究和臨床試驗的規(guī)模、結構1.1.前沿科學技術與醫(yī)學的深度融合是健康醫(yī)療人工智能發(fā)展的基礎，未來將在公共衛(wèi)生和臨床診療中發(fā)全球和我國健康醫(yī)療人工智能最熱的研究主題均為“計算機視覺算法與模型”，主要涉及人工智能用于疾病的影像學診斷，最近5年高科學影響力的論文絕大多數(shù)屬于這個主題，該領域也是目前健康醫(yī)療人工智能落地應用最有前景的領域，美國斯坦福大學自2017年起發(fā)布的人工智能指數(shù)報告中連續(xù)3年將人工智能用于皮膚癌、前列腺癌、糖尿病視網膜病變影像診斷列為人類前沿科學技術與醫(yī)學的深度融合是智慧醫(yī)療發(fā)展的多模態(tài)是健康醫(yī)療數(shù)據(jù)的特征，對于這一技術瓶頸的攻關對于盤活海量健康醫(yī)療數(shù)據(jù)的應用價值至關重要。二是面向健康醫(yī)療領域數(shù)據(jù)的人工智能技術攻關。目前人工智能技術具有依賴大數(shù)據(jù)、需要大量人工標注、可解需要針對這些瓶頸開展技術攻關、促進在健康醫(yī)療領域的應用。三是面向健康醫(yī)療領域數(shù)據(jù)的區(qū)塊鏈技術。區(qū)塊鏈技術對于打破健康醫(yī)療領域的數(shù)據(jù)孤島、激發(fā)數(shù)據(jù)共享具有重要的價值，但需要結合健康醫(yī)療領域數(shù)據(jù)采人工智能將在公共衛(wèi)生和臨床診療中發(fā)揮更大作建設：運用大數(shù)據(jù)、人工智能、云計算等數(shù)字技術，在重大公共衛(wèi)生危機以及重大慢病防控中發(fā)揮重要的作學技術手段，將海量的醫(yī)學知識轉化為可計算和可大規(guī)模共享的醫(yī)學知識，促進大數(shù)據(jù)驅動的醫(yī)學知識轉化和醫(yī)療質量提升；基于人工智能等前沿信息技術的臨床輔助決策和個人健康管理：經過人工智能技術與優(yōu)質醫(yī)療資源的深度結合，構建面向臨床的疾病風險預測、影像人工智能技術可大大縮短藥物研發(fā)時間、提高研發(fā)效率2.2.中國已成為健康醫(yī)療人工智能科學研究與臨床試驗的最主要貢獻者之一，但在學術影響力和技術轉學出版物最多的五個國家為：美國、中國、印度、英國和德國。中國和美國的科學出版物數(shù)量均表現(xiàn)為指數(shù)型術影響力指標看，中國健康醫(yī)療人工智能科學出版物的術影響力可在一定程度上反映科學向技術的轉化，全球范圍內對健康醫(yī)療人工智能專利技術產生影響的科學出自2017年起，全球人工智能相關臨床試驗數(shù)量急月，中國已經成為全球開展人工智能相關臨床試驗數(shù)量研究機構也迅速增多，全球人工智能相關臨床試驗數(shù)量最多的前十位研究機構中，中國的研究機構占到6位。由此可見，在國家近些年來一系列推進“互聯(lián)網+健康醫(yī)療”的宏觀政策和國內醫(yī)療行業(yè)改革需求的推動下，中國健康醫(yī)療人工智能領域主要的研究機構包括：上海交通大學、浙江大學、清華大學、中山大學、復旦大學、中國科學院大學、北京大學、四川大學等。從產學合作的角度，中國學術界-工業(yè)界合作論文占比低于33.健康醫(yī)療人工智能技術譜的核心是機器學習(含深度學習)和醫(yī)療機器人，疾病譜以慢病和神經系統(tǒng)疾病為主，傳染病、罕見病等與本報告對健康醫(yī)療人工智能研究領域進行了劃分，包括6個子領域，分別為：決策規(guī)則(包括計算機啟發(fā)自然語言處理和機器人。數(shù)據(jù)顯示，機器學習(含深度學習)是最受關注和增長最快的領域；其次為醫(yī)療機器對健康醫(yī)療人工智能研究涉及的疾病譜分析顯示，表的慢性心腦血管疾病和以癲癇、帕金森和阿爾茨海默病為代表的神經系統(tǒng)疾病。傳染病領域的疾病負擔重，據(jù)集截至2019年底有關。本次新冠病毒肺炎疫情已使我們感受到人工智能在重大公共衛(wèi)生事件應急和傳染病從科學-技術交叉的角度分析，機器學習和醫(yī)療機器人兩個研究領域的科學出版物被專利引用較多，表現(xiàn)4.4.與科學共同體的熱點研究主題相比，健康醫(yī)療人工智能研發(fā)與應用的倫理學問題