人工智能与影像组学在原发性肝癌影像学中的应用:文献计量学与可视化分析

《Journal of Hepatocellular Carcinoma》:Artificial Intelligence and Radiomics in Primary Liver Cancer Imaging: A Bibliometric and Visualized Analysis

【字体: 大 中 小 】 时间:2026年04月02日 来源:Journal of Hepatocellular Carcinoma 3.4

编辑推荐:

  本文针对原发性肝癌(PLC)诊断、风险分层与个体化治疗的临床挑战,系统回顾了人工智能(AI)与影像组学结合的研究进展。通过文献计量学方法分析2890篇文献,揭示了该领域自2018年来的高速增长态势、核心国家/机构、期刊、作者及研究热点,为未来研究提供了数据支持与学术洞见。

  

论文解读

肝脏,这个人体内最大的实质性器官,默默承担着解毒、代谢、合成等重要功能。然而,一种源自肝脏本身的恶性肿瘤——原发性肝癌(PLC),正严重威胁着全球人类的健康。据统计,其在全球范围内的发病率和死亡率分别位居恶性肿瘤的第六和第三位,形势严峻。更棘手的是,由于早期症状隐匿,多数患者确诊时已进入中晚期,治疗选择有限,预后不佳。
在对抗肝癌的战役中,医学影像学扮演着“侦察兵”的关键角色。超声、计算机断层扫描(CT)、磁共振成像(MRI)等技术能够帮助医生“看见”肿瘤。然而,传统影像解读高度依赖医生的经验,在检测微小病灶、区分肿瘤良恶性等方面存在局限,犹如雾里看花,难以精准把握肿瘤的全部细节。
近年来,两股技术浪潮的融合为肝癌精准诊疗带来了新曙光。一边是影像组学,它能从医学图像中提取并量化人眼难以识别的海量特征,揭示肿瘤内部的异质性和微观环境;另一边是人工智能(AI),特别是深度学习(DL) 和机器学习(ML),它们能像一位不知疲倦的超级分析师,自动从这些高维数据中挖掘出有意义的模式。两者的结合,旨在将肝癌诊疗从依赖经验的“艺术”,转变为基于数据的精准“科学”。
那么,这个交叉领域的研究全景究竟如何?它经历了怎样的发展历程?谁是推动其前进的主要力量?未来的路又在何方?为了系统、客观地回答这些问题,一项发表在《Journal of Hepatocellular Carcinoma》上的研究,采用了文献计量学这一“量化望远镜”,对2008年至2025年间关于AI与影像组学在PLC影像中应用的2890篇文献进行了全景式扫描和深入分析,为我们描绘出该领域波澜壮阔的知识版图。

关键技术方法概述

本研究是一项基于文献数据的回顾性分析。研究人员从Web of Science核心合集(WoSCC) 和Scopus两大权威数据库中系统检索了相关文献,并经过严格的筛选与去重,最终纳入了2890篇出版物作为分析基础。利用VOSviewer、CiteSpace和R等专业文献计量与可视化工具,研究者对这些文献进行了多维度剖析,包括年度发文趋势、国家/地区与机构合作网络、核心期刊与作者分布、共被引文献聚类以及关键词演进等,以揭示该领域的发展动态、研究热点与未来走向。

研究结果

年度发文量与趋势
自2018年起,该领域的年度发文量呈现显著的非线性加速增长,2020年至2025年间的发文量约占文献总量的80%。这一迅猛增长势头通过三次多项式拟合曲线(R2= 0.9881)得到了良好印证。其中,原创性研究论文(Article)的数量始终占据主导并快速增长,综述类文章(Review)的数量虽基数较小,但自2018年起也呈同步增长态势。
国家/地区与机构分析
中国是该领域最核心的产出力量,贡献了1603篇文献,占总量的55.47%,其后的美国贡献了538篇(18.62%)。中国的科研产出主要由国内合作驱动,其单国发文量高达1331篇。相比之下,沙特阿拉伯、瑞士、英国等多国合作发文比例均超过80%。在影响力方面,中国凭借巨大的发文量获得了最高的总被引次数(TC = 30,773),但篇均被引次数(AC = 19.20)相对较低。荷兰虽然发文量较少(n=45),但其篇均被引次数(40.93)较高。
在机构层面,中国机构占据了主导地位。中山大学以186篇发文量(6.44%)成为该领域的领军机构。在国际合作网络中,形成了10个主要的机构合作集群,其中以中山大学、浙江大学为代表的中国高校在2022年后合作活动显著增强,而跨国集群的合作则多发生在2022年之前。
期刊分析
《Frontiers in Oncology》是发文量最多的期刊(n=148),而《Radiology》则拥有最高的影响因子(IF=15.2)和较高的学术影响力。《European Radiology》获得了最高的总被引次数(TC=4307)。期刊共被引网络分析显示,放射学、肝病学、外科学、肿瘤学以及计算医学与图像处理等学科间存在紧密的交叉融合。双图叠加分析进一步表明,该领域的研究成果大量引用了来自分子、生物学、遗传学以及系统、计算、计算机科学等多个学科的知识。
作者与参考文献分析
根据普赖斯定律,该领域共有497位核心作者。其中,宋斌(Song, Bin)是最高产作者。从作者合作的时间线图谱来看,各集群内部合作紧密,但集群间的联系相对较少。被引影响力最高的三位作者分别是美国的Hyuna Sung教授、荷兰的Philippe Lambin教授和西班牙的Josep M. Llovet教授。
在被引文献方面,李晓萌(Li Xiaomeng)团队2018年发表在《IEEE Transactions on Medical Imaging》上关于H-Dense U-Net的论文以1785次被引位居榜首。共被引网络将高被引论文分为12个集群,其中“影像组学”(#0)是目前最大的集群。突现引用分析显示,Gillies等人的论文具有最强的引用突现(强度=41.40),而近年来李晓萌、Jorge A. Marrero和Julie K. Heimbach的论文也持续受到高度关注。
关键词与研究热点分析
高频关键词包括“肝细胞癌(HCC)”、“深度学习(DL)”、“磁共振成像(MRI)”、“机器学习(ML)”、“计算机断层扫描(CT)”和“人工智能(AI)”。关键词时间线图谱揭示了11个主要聚类,显示出研究脉络从基础的图像处理起步,随着AI的兴起而转向与PLC直接相关的临床问题。近三年的突现关键词分析表明,“图像重建”、“肝癌分类”和“深度监督”已成为新兴的突出研究热点。

研究结论与意义

本研究通过系统的文献计量学分析,清晰地勾勒出AI与影像组学在PLC影像应用领域过去18年的快速发展轨迹,并揭示出从方法学探索向临床实际应用的重要转变趋势。
该领域自2018年后的爆发式增长,与Philippe Lambin教授2017年发表的奠基性综述、影像生物标志物标准化倡议(IBSI)的推出以及肝脏影像报告和数据系统(LI-RADS)的持续更新等因素密切相关。中国在该领域的论文产出上居于绝对领先地位,这与中国肝癌的高疾病负担密切相关。然而,与欧美研究相比,中国研究的篇均影响力仍有提升空间,这可能与西方机构在全球学术网络中的主导地位、期刊影响力差异以及国际合作程度有关。
在技术演进上,AI方法经历了从依赖手工特征的传统机器学习,到能够自动学习特征的卷积神经网络(CNN),如U-Net及其变体被广泛应用于肝脏肿瘤分割,再到近年来Transformer等更能捕获长距离依赖关系的新模型的演进,体现了技术的动态迭代与突破。
当前的研究热点高度集中于解决临床实际挑战,主要包括:1辅助诊断与鉴别,如区分不明确结节、病理分级;2预后预测,特别是微血管侵犯(MVI) 的术前预测;3治疗评估,如经动脉化疗栓塞术(TACE) 疗效评估、免疫治疗疗效预测;4术后复发与生存结局的风险分层。这些研究表明,AI与影像组学在实现PLC的精准化、个体化管理方面展现出巨大潜力。
尽管前景广阔,该领域迈向临床广泛应用仍面临诸多挑战,包括样本量小、外部验证不足、特征稳定性和可重复性受影像设备、采集参数影响大等。因此,未来研究将更侧重于方法学的标准化、提高模型的泛化能力,并致力于开发能够有效整合影像、临床、病理乃至基因组学等多源信息的多模态融合框架。
综上所述,这项文献计量学研究不仅全景式地展现了AI与影像组学在PLC影像领域的知识结构、演进路径与活跃前沿,也为后续研究者指明了方向:持续深耕MVI预测、TACE疗效评估及预后预测等核心临床问题,同时着力攻克技术标准化与临床转化瓶颈,从而真正推动肝癌诊疗进入智能精准的新时代。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号