劉春鶴 張 晗 惠 文 李艷君 趙玉虹**，，4

（1.中國醫(yī)科大學醫(yī)學信息學院，沈陽110122；2.四川大學華西醫(yī)院圖書信息中心，成都610041；3.中國醫(yī)科大學附屬盛京醫(yī)院教務(wù)部，沈陽110004；4.中國醫(yī)科大學附屬盛京醫(yī)院臨床研究中心，沈陽110004）

隨著“互聯(lián)網(wǎng)＋醫(yī)療”的快速發(fā)展，健康醫(yī)療行業(yè)產(chǎn)生的數(shù)據(jù)量呈爆發(fā)式增長，近年來全球許多國家都在極力推進醫(yī)療信息化的發(fā)展，醫(yī)療數(shù)據(jù)的分析和應用對提高醫(yī)療效率和醫(yī)療效果發(fā)揮著巨大的作用，因此當務(wù)之急是有效組織和利用醫(yī)療數(shù)據(jù)，使其成為行業(yè)的有力“助推器”[1]。美國McKinsey公司的一項報告顯示：醫(yī)療行業(yè)數(shù)據(jù)的應用每年可為美國醫(yī)療衛(wèi)生機構(gòu)節(jié)省大約3000億美元的支出[2]。我國國務(wù)院發(fā)布的《“健康中國2030”規(guī)劃綱要》中明確提出要“推進醫(yī)療健康大數(shù)據(jù)開放共享、深度挖掘和廣泛應用”[3]。當前健康醫(yī)療相關(guān)的數(shù)據(jù)體量龐大、分布分散、復雜多變；健康數(shù)據(jù)分析、決策支持、科普等方面對醫(yī)療信息可視化都有著巨大的需求[4，5]。而現(xiàn)實情況是，即使在發(fā)達國家也只有不到15%的人能夠憑借自身知識基礎(chǔ)和健康認知力理解復雜的健康數(shù)據(jù)集所表達信息[6]。人們亟需去開發(fā)和使用有力的手段來處理當前海量的醫(yī)療數(shù)據(jù)。

“一圖勝千言”，數(shù)據(jù)可視化是有效提高數(shù)據(jù)應用效率的手段之一。它是利用人眼的感知能力對數(shù)據(jù)進行交互的可視化表達，以增強認知的技術(shù)[7]。數(shù)據(jù)可視化作為一種媒介將晦澀的原始數(shù)據(jù)與數(shù)據(jù)用戶連接起來，對原始數(shù)據(jù)有效整合、反饋，有力地促進了信息的傳遞與交流。

近年來，越來越多的學者將注意力聚焦到數(shù)據(jù)可視化領(lǐng)域，在CNKI數(shù)據(jù)庫中“可視化”主題的文獻多達近25萬篇，由這些文獻所屬學科分布圖（圖1）可見，可視化研究在情報學、地理學、建筑學、自動化等諸多領(lǐng)域已有大量的文獻，相比之下醫(yī)學相關(guān)學科，如臨床醫(yī)學、醫(yī)學教育與醫(yī)學邊緣學科、生物學、外科學等學科占比非常少，總和不到5%。從圖2可知Web of Science中可視化主題的文獻屬于醫(yī)學相關(guān)領(lǐng)域的有20%左右（其中放射醫(yī)學核醫(yī)學醫(yī)學影像領(lǐng)域7%、外科學4%、神經(jīng)科學4%等）。這一現(xiàn)象反映出兩個問題：一是相比其他學科的數(shù)據(jù)，醫(yī)療數(shù)據(jù)作為大數(shù)據(jù)時代重要的信息組成部分，其可視化研究的程度還有極大的發(fā)展空間；二是國內(nèi)外醫(yī)療衛(wèi)生領(lǐng)域可視化研究的側(cè)重程度明顯不同。

圖1 中國知網(wǎng)可視化主題文獻學科分布情況Fig．1 Visualization Topic Document Distribution in CNKI

圖2 Web of Science可視化主題文獻分布Fig．2 Visualization Topic Document Distribution in Web of Science

為了系統(tǒng)地對國內(nèi)外相關(guān)研究主要內(nèi)容、集中趨勢和特點進行挖掘和對比，本文采用知識圖譜的方法對國內(nèi)外醫(yī)療數(shù)據(jù)可視化研究進行分析。知識圖譜 （Knowledge Mapping／Knowledge Graph）能夠從結(jié)構(gòu)化的、半結(jié)構(gòu)化的或非結(jié)構(gòu)化的數(shù)據(jù)源中抽取實體及實體間的關(guān)系，并以圖譜的形式呈現(xiàn)；它能夠同時被人和機器所理解，為使用者提供從關(guān)系分析問題的能力[8]。知識圖譜已被廣泛應用于眾多領(lǐng)域的知識挖掘，應用技術(shù)相對穩(wěn)定和成熟。目前國內(nèi)應用知識圖譜分析醫(yī)療數(shù)據(jù)可視化領(lǐng)域發(fā)展情況的研究很少，尚未見同類文獻報道。健康醫(yī)療領(lǐng)域數(shù)據(jù)可視化研究對推進醫(yī)學知識傳遞、成果交流、技術(shù)優(yōu)化等方面尤為重要。本文旨在揭示國內(nèi)外醫(yī)療數(shù)據(jù)可視化研究的發(fā)展規(guī)律及特點，希望能夠通過國內(nèi)外相關(guān)研究的對比，促進二者之間互通有無、取長補短，豐富醫(yī)療數(shù)據(jù)可視化研究的視角，為國內(nèi)外醫(yī)療數(shù)據(jù)可視化研究的發(fā)展提供參考，進而促進數(shù)據(jù)時代醫(yī)療衛(wèi)生事業(yè)的全面發(fā)展。

1 研究方法

1.1 數(shù)據(jù)來源

外文文獻數(shù)據(jù)：選取了文獻質(zhì)量高、在業(yè)界具有較高影響力、科睿唯安旗下科學信息研究所出版的Web of Science核心數(shù)據(jù)庫（WOS）。檢索時間為 2020年 4月 2日，檢索策略：以“visualization”為主題查詢Article類型的文獻，并從中選取了醫(yī)藥衛(wèi)生、生物醫(yī)學相關(guān)學科的文獻，時間跨度為2010—2019年。

中文文獻數(shù)據(jù)：檢索CNKI、維普網(wǎng)、萬方數(shù)據(jù)三個中文全文型數(shù)據(jù)庫中2010—2019年的文獻，具體策略：在CNKI的學術(shù)期刊庫中選擇“醫(yī)藥衛(wèi)生科技”分類，在“主題”字段檢索“可視化”；在萬方期刊數(shù)據(jù)庫中選取“醫(yī)藥衛(wèi)生”分類，在“主題”字段檢索“可視化”；在維普期刊服務(wù)平臺中選擇“醫(yī)藥衛(wèi)生”分類，在“題名或關(guān)鍵詞”字段檢索“可視化”。最后對三個數(shù)據(jù)庫來源的文獻進行合并、去重、清洗。

經(jīng)過文獻檢索、清洗，共收集到相關(guān)外文文獻32401篇、中文文獻4058篇。

1.2 研究工具與方法

本文使用了美國Drexel University陳超美教授開發(fā)的Java應用程序CiteSpace（5.6.R4版本）做文獻分析。CiteSpace是一種漸進式知識領(lǐng)域可視化工具，它基于Price的“科學前沿理論”，結(jié)合共引分析和引證分析，創(chuàng)建出由“知識基礎(chǔ)”映射到“研究前沿”的理論模型[9，10]。它能夠分析科學文獻中的趨勢和模式[11]。

設(shè)置文獻處理時間窗切片為1年，主題元素來源于Title和Author Keywords（DE）兩個字段，網(wǎng)絡(luò)節(jié)點類型選擇Keyword。為了使中英文數(shù)據(jù)庫中提取的節(jié)點樣本兼顧代表性和可比性，篩選閾值選擇了g-index，k＝25。在時間切片內(nèi)，節(jié)點連接之間運用Cosine算法計算網(wǎng)絡(luò)節(jié)點的關(guān)聯(lián)強度。最后對每個切片和合并后的網(wǎng)絡(luò)使用Pathfinder算法進行裁剪，其作用是簡化網(wǎng)絡(luò)并突出其重要的結(jié)構(gòu)特征，使結(jié)果具備更高的可讀性[6]。另外，通過人工編輯 project中的 alias文件，對數(shù)據(jù)進行二次清洗，在項目運行時對節(jié)點中存在大量的同義詞近義詞實施了合并處理。

2 研究結(jié)果

2.1 中外醫(yī)療數(shù)據(jù)可視化研究的文獻分布

圖3展示了2010—2019十年間國內(nèi)外醫(yī)療數(shù)據(jù)可視化文獻的發(fā)表情況。從累計發(fā)文數(shù)量看，外文相關(guān)文獻的數(shù)量一直處于上升趨勢；中文相關(guān)文獻發(fā)表數(shù)除了2015年有小幅降低以外，總體上也呈現(xiàn)逐年增加的態(tài)勢。年發(fā)文量是一個研究主題所受科研關(guān)注度的一個重要指標，國內(nèi)外持續(xù)上升的年發(fā)文量表明了科研人員對于醫(yī)療數(shù)據(jù)可視化研究的關(guān)注程度在逐漸提高，該主題一直是國際科學研究的焦點之一。而2015年之后年國內(nèi)文獻增長幅度有明顯提高，也說明了我國有越來越多的學者將目光投向醫(yī)療數(shù)據(jù)可視化領(lǐng)域的研究和探索。

圖3 中外醫(yī)療數(shù)據(jù)可視化研究文獻分布情況Fig．3 Distribution of Chinese and Foreign Medical Data Visualization Research Literature

另外，觀察WOS中的文獻國家分布情況（圖4），來自美國的科研論文比例最高，約占35%；其次是德國，約占12%；有大約11%的論文是來自中國（PEOPLESR CHINA）學者。一方面可見國內(nèi)醫(yī)療數(shù)據(jù)可視化的研究成果總數(shù)已經(jīng)在相關(guān)國際學術(shù)領(lǐng)域占據(jù)了舉足輕重的位置，另一方面，結(jié)合國家人口和科研人員的數(shù)量來考慮，我國在該領(lǐng)域的研究還有極大的發(fā)展空間。

圖4 2010—2019年WOS醫(yī)療數(shù)據(jù)可視化研究文獻國家分布情況（TOP20）Fig．4 2010-2019 WOS Medical Data Visualization Research Literature National Distribution（TOP20）

2.2 中外醫(yī)療數(shù)據(jù)可視化研究的主題聚類情況

使用CiteSpace能夠?qū)崿F(xiàn)提取節(jié)點的共現(xiàn)分析，通過共現(xiàn)次數(shù)來測度節(jié)點之間的親疏關(guān)系，進一步繪制聚類圖譜和時區(qū)圖譜。本文以Keyword作為節(jié)點，選擇Log-likelihood Ratio算法對網(wǎng)絡(luò)進行聚類，所得圖5、圖6分別是國內(nèi)、圖外醫(yī)療數(shù)據(jù)可視化研究的主題聚類圖譜，其中圖5的Q值為0.8721，圖6的 Q值為0.8394，屬于高模塊化值，證明生成的兩個主題共現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)顯著；圖5的 S值為 0.4914，圖6的 S值為0.7719，證明國內(nèi)主題共現(xiàn)網(wǎng)絡(luò)的輪廓量度表現(xiàn)一般，類間分離程度不是十分明顯但也在合理范圍之內(nèi)，國外主題共現(xiàn)網(wǎng)絡(luò)的輪廓量度表現(xiàn)較好，聚類間分類程度相對明顯，生成的聚類結(jié)果較為合理。兩組圖譜中有相當一部分主題具有極高的相似性，如＃8 Spatio-temporal Data Fusion和＃0時空掃描、＃16 Wall Shear Stress和＃12壁面剪應力／＃13生物力學、＃9 Bibliometric Analysis和＃11社會網(wǎng)絡(luò)分析／＃19共詞分析等。這些相似的聚類結(jié)果一方面證實了本文方法的科學性，對于不同數(shù)據(jù)集的處理結(jié)果具有較好的集中趨勢，另一方面也展示了國內(nèi)外醫(yī)療數(shù)據(jù)可視化研究領(lǐng)域的一些共性熱點。

圖5 國內(nèi)醫(yī)療數(shù)據(jù)可視化文獻研究主題聚類圖Fig．5 Chinese Medical Data Visualization Literature Research Topic Cluster Map

圖6 國外醫(yī)療數(shù)據(jù)可視化文獻研究主題聚類圖Fig．6 Foreign Medical Data Visualization Literature Research Topic Cluster Map

從圖5可知，這十年國內(nèi)的醫(yī)療數(shù)據(jù)可視化研究的主題主要集中于如下幾個方面：時空數(shù)據(jù)分析（＃0）、人體生理病理組織結(jié)構(gòu)的成像（＃1、＃7、＃8、＃18）、可視化軟件和技術(shù)開發(fā)（＃4、＃9、＃16）、計算機可視化輔助治療（＃10、＃14、＃20等）、生物力學（＃12、＃13）、文獻計量學研究（＃11、＃19）、交叉學科應用（＃5、＃2、＃17）、中醫(yī)學相關(guān)的可視化（＃6）。國外的醫(yī)療數(shù)據(jù)可視化研究的主題比較具體（圖6），主要集中于：人體生理組織的可視化（＃3、＃4、＃5）、時空數(shù)據(jù)可視化（＃8）、生物信息學（＃0、＃12、＃22）、計算機輔助診斷（＃6、＃15、＃18）、計算機輔助治療（＃7、＃11、＃17、＃21）、生物力學（＃16）、文獻計量學（＃9）。相對于國內(nèi)的可視化相關(guān)研究而言，國外研究主題的粒度更加細化，專業(yè)也更加深入。除了上述二者相似的研究主題之外，國內(nèi)研究也有其獨有的關(guān)注焦點，比如中醫(yī)學治療方法的可視化研究（＃6）、可視化工具軟件的開發(fā)和探索（＃4、＃9、＃16）。

2.3 中外醫(yī)療數(shù)據(jù)可視化研究主題的時間分布情況

時間線圖能夠展示研究主題在時間維度上的演變情況，圖7、圖8分別是國內(nèi)、國外醫(yī)療數(shù)據(jù)可視化研究文獻主題分布的時間線圖。圖中每一條橫線代表一個聚類主題，線上各節(jié)點分別表示聚類中的若干個重要主題，每個主題概念對應圖頂端的年份代表該主題首次提出的時間，節(jié)點大小表示主題出現(xiàn)總頻次的高低，節(jié)點之間的弧形連線代表所連兩主題之間存在共現(xiàn)關(guān)系，即在同一項研究中作為相關(guān)主題出現(xiàn)。

圖7 國內(nèi)醫(yī)療數(shù)據(jù)可視化研究主題時間分布圖Fig．7 Timeline of Domestic Medical Data Visualization Research Topics

圖8 國外醫(yī)療數(shù)據(jù)可視化研究主題時間分布圖Fig．8 Timeline of Foreign Medical Data Visualization Research Topics

由圖7可見，2010年以來國內(nèi)醫(yī)療數(shù)據(jù)可視化研究的分支非常多元化。國內(nèi)醫(yī)療數(shù)據(jù)可視化研究中一些內(nèi)涵較廣泛的概念，如“三維重建”“三維可視化”“可視化技術(shù)”等主題貫穿這一時段的始終，與后續(xù)的眾多主題之間都有交集。深入剖析文獻發(fā)現(xiàn)有關(guān)“三維重建”和“三維可視化”的研究絕大多數(shù)是基于傳統(tǒng)影像技術(shù)如CT、磁共振的成像結(jié)果，通過某些特定的儀器或計算機算法實現(xiàn)研究對象的三維模型呈現(xiàn)。我國的“虛擬中國人計劃”起始于21世紀初，此后涌現(xiàn)出大量關(guān)于構(gòu)建人體生理病理組織三維可視化模型的研究。經(jīng)過十余年的探索，2010年之后的三維可視化研究已從之前的技術(shù)實現(xiàn)研究逐漸轉(zhuǎn)變?yōu)槌晒麘醚芯?，如三維可視化模型結(jié)合傳統(tǒng)解剖學在基礎(chǔ)醫(yī)學教學中的推廣[12，13]、三維病理組織還原可視化輔助臨床診斷治療[14]、各種對具體部位的可視化輔助診斷治療研究等。具體部位疾病的可視化輔助治療研究主要集中于骨關(guān)節(jié)、心腦血管、肝、腎部位等，其他部位疾病的相關(guān)研究文獻并不突出。另外“生物力學”的相關(guān)研究可以說是可視化應用在生物性能上的延伸，應用最多的就是眼科臨床中使用可視化角膜生物力學分析儀分析活體角膜的生物力學特性[15，16]。

2010—2019 年這一時間段的初期就表現(xiàn)突出的主題還有“文獻計量學”，其中“共現(xiàn)分析”“聚類分析”“知識圖譜”“熱點研究”“社會網(wǎng)絡(luò)分析”都屬于其相關(guān)研究范疇，此類研究方法能夠基于相關(guān)文獻集中分析某一領(lǐng)域的研究特征和規(guī)律，分析結(jié)果往往是通過可視化圖表來展示。因其具有不受學科限制的特點，所以被廣泛應用于諸多領(lǐng)域，醫(yī)療衛(wèi)生領(lǐng)域也是其應用的主要學科之一。如基于醫(yī)學某專題的文獻，利用其主題、機構(gòu)、作者等信息建立關(guān)系網(wǎng)絡(luò)，挖掘該專題的內(nèi)在聯(lián)系及隱含信息，或某一研究對象的發(fā)展演化過程。這一類主題伴隨著社會網(wǎng)絡(luò)分析軟件不斷開發(fā)和應用，有了長足的發(fā)展，如Citespace（2011年）、Pajek（2012年）、Histcite（2013年）、Vosviewer（2015年）等都有大量的應用研究。

時空數(shù)據(jù)研究在醫(yī)療數(shù)據(jù)可視化領(lǐng)域也占據(jù)了一席之地。其中大部分是對疾病時空聚集性（2017年）及地理信息系統(tǒng)（2011年）的研究，廣泛應用于展示流行性疾病的一般特征分布、時間聚集分布和空間聚集分布，從而推斷疾病的流行趨勢、發(fā)病誘因等。

隨著大數(shù)據(jù)時代的推進，人們獲取信息的渠道越來越多元和便捷，處理信息的粒度更加細致。近五年國內(nèi)醫(yī)療數(shù)據(jù)可視化的相關(guān)文獻數(shù)量更是急劇上升，主題分布也從“傳統(tǒng)主題”占據(jù)絕對優(yōu)勢的形勢演變?yōu)槎嘣黝}并存、共同發(fā)展的現(xiàn)狀，如網(wǎng)絡(luò)藥理學（2011年）、生物信息學（2017年）、組學（代謝組學2014年、基因組學2016年，影像組學2018年）等主題不斷豐富，而像3D打印（2015年）這樣的新興主題也層出不窮。

國外醫(yī)療數(shù)據(jù)可視化研究主題時間分布圖（圖8）中顯示，傳統(tǒng)醫(yī)療可視化技術(shù)，包括影像學成像技術(shù)如 MRI、CT、Ultrasound、Tomography等和各種腔鏡技術(shù)如Endoscopy、Laparoscopy等在整個研究發(fā)展中充當了重要的角色，后續(xù)許多影像學可視化研究都是在上述技術(shù)的基礎(chǔ)上進行工具或算法的改良優(yōu)化，如4D Flow MRI（帶有時間分辨率的三維相位對比磁共振成像，2013年）、fMRI（功能磁共振成像技術(shù)，2012年）、Micro-ct（微型CT，2011年）、Cryo-electron Tomography（低溫電子斷層掃描，2017年）等，都與前者之間有著密切的聯(lián)系?？梢暬夹g(shù)輔助臨床治療的應用在國外醫(yī)療數(shù)據(jù)可視化研究中非常廣泛，如Telemedicine（遠程醫(yī)療，2018年）、Fluorescence-guided Surgery（熒光引導手術(shù)，2017年）、Transoral Robotic Surgery（經(jīng)口機器人手術(shù)，2017年）、Computerassisted Surgery（計算機輔助手術(shù)，2016年）等都是其典型的應用。針對具體疾病探索和應用多集中在腫瘤（Breast Cancer，2010年；Brain Tumor，2013年；Melanoma，2013年；Ovarian Cancer，2015年；Glioblastoma，2017年）、神經(jīng)系統(tǒng)疾?。⊿pinal Cord Injury，2015年；Neurosurgery，2012年）、心腦血管疾?。∕yocardial Infarction，2011年）。

與國內(nèi)研究相比，國外相關(guān)研究最大的特點就是有關(guān)生物信息學的可視化研究，早在2010年Bioinformatics（生物信息學）就已經(jīng)以一個獨立的主題存在，并已具備一定的研究基礎(chǔ)。生物信息學是通過綜合利用生物學、計算機科學和信息技術(shù)，研究生物信息的采集、處理、存儲、傳播、分析等，揭示大量而復雜的生物數(shù)據(jù)所賦有的生物學奧秘的一門新學科[17]。生物信息學的研究結(jié)果往往通過可視化圖的形式展示，因此國外這十年的醫(yī)療數(shù)據(jù)可視化研究中，有大量屬于生物信息學主題的文獻出現(xiàn)，Machine Learning（機器學習，2013年）、Protein-protein Interaction Network（蛋白質(zhì)互作網(wǎng)絡(luò)，2015年）、Next-generation Sequencing（下一代測序，2013年）、Gene Ontology（基因本體，2016年）、Comparative genomics（比較基因組學，2017年）、Deep Learning（深度學習，2018年）、Convolutional Neural Network（卷積神經(jīng)網(wǎng)絡(luò)，2018年）、WGCNA（加權(quán)基因共表達網(wǎng)絡(luò)分析，2019年）等圍繞生物信息學展開的分支主題分布在本文研究的整個時間跨度中。其研究范圍廣泛、規(guī)模龐大，且生物信息學相關(guān)主題的粒度也已經(jīng)非常細化，目前處于深入研究挖掘的階段。

關(guān)于文獻計量學的主題在國外相關(guān)研究中也有所體現(xiàn)，但總體上占比甚微。

2.4 國內(nèi)外文獻主題突現(xiàn)情況

突發(fā)監(jiān)測（Burst Detection）是康奈爾大學計算機科學系的Kleinberg[18]在2003年提出的一種算法。Kleinberg認為“突發(fā)”是一種現(xiàn)象，而突現(xiàn)詞則是在某段時間內(nèi)相對增長率（詞在某時刻的發(fā)展速度相對它自身平均的發(fā)展速度）突然增長的詞[19]。如果突現(xiàn)詞為關(guān)鍵詞，則它可以反映文獻集中某一時段關(guān)注度突然增長的研究主題和內(nèi)容。Citespace可以基于此算法測定某研究領(lǐng)域中突現(xiàn)詞，運算結(jié)果分別可以按照Duration（突現(xiàn)年份）、Strength（突現(xiàn)強度）和 StartingYear（突現(xiàn)起始年）降序顯示。突現(xiàn)詞強度越高，說明突現(xiàn)年份中該關(guān)鍵詞的共現(xiàn)頻次驟增的程度越強。在 Configure the detection model中設(shè)置α1／α0＝2，αi／αi－1＝2，The Number of States為 2，γ[0，1]為0，Minmum Duration為2，結(jié)果國內(nèi)相關(guān)文獻關(guān)鍵詞中共測出64個突現(xiàn)詞，國外文獻中共181個突現(xiàn)詞。

表1～3為國內(nèi)外數(shù)據(jù)集得出的突現(xiàn)詞分布情況。圖中突現(xiàn)年份的每一行有10個點，分別對應2010—2019年之間的10個自然年，實心點代表該突現(xiàn)詞在對應年份出現(xiàn)“突發(fā)”現(xiàn)象，●表示該突現(xiàn)詞雖然在2010—2019年之間出現(xiàn)過“突發(fā)”現(xiàn)象，但當前已過了突發(fā)階段。■表示直到2019年該詞仍處于突現(xiàn)“熱期”，雖然可能突現(xiàn)期截止于2019年，但很可能“熱期”繼續(xù)向后期延續(xù)。表1為突現(xiàn)強度前20的突現(xiàn)詞，由表1可見國內(nèi)相關(guān)文獻中突現(xiàn)強度最高的幾個關(guān)鍵詞“三維重建”“可視化人體”等均分布在2013年之前，只有“3D打印”和“生物信息學”在當前有爆發(fā)增長趨勢。外文文獻中“microRNA”和“3D printing”既是當前的研究熱門也具有很高的突現(xiàn)強度，可以說是當前在醫(yī)療數(shù)據(jù)可視化領(lǐng)域關(guān)注度最強的主題概念之一。

表1 突現(xiàn)強度前20的國內(nèi)外醫(yī)療數(shù)據(jù)可視化研究突現(xiàn)詞表Tab．1 Top 20 Strongest Bursts of Medical Data Visualization Domestic and Foreign

表2 國外醫(yī)療數(shù)據(jù)可視化研究突現(xiàn)詞表1）Tab．2 Bursts of Foreign Medical Data Visualization1）

表3 國內(nèi)醫(yī)療數(shù)據(jù)可視化研究突現(xiàn)詞表1）Tab．3 Bursts of Domestic Medical Data Visualization1）

表2、表3是國外、國內(nèi)突現(xiàn)詞分布年持續(xù)至2019年的詞表，即當前仍具備突發(fā)性的關(guān)鍵詞。經(jīng)過對比發(fā)現(xiàn)，表2中突現(xiàn)詞的突現(xiàn)強度分布比較均勻，在3.9906～13.334之間，而全部外文突現(xiàn)詞的突現(xiàn)強度跨度在0.207～13.334之間，因此表2中突現(xiàn)詞強度總體偏向高值。表3中突現(xiàn)詞的突現(xiàn)強度在2.4127～5.8513之間，而全部中文突現(xiàn)詞的突現(xiàn)強度在2.4127～38.7439之間，可見表3中突現(xiàn)詞強度總體嚴重偏低。這一現(xiàn)象說明國內(nèi)相關(guān)研究立題角度新增的爆發(fā)性主題與國外相比較少，且爆發(fā)的強度較小，并沒有出現(xiàn)像本時段初期類似“三維重建”或“人體可視化”這樣集中趨勢明顯且增幅數(shù)量極大的熱門研究主題。另外，通過觀察具體突現(xiàn)詞內(nèi)容發(fā)現(xiàn)近年來國外的研究趨勢傾向于更細粒度的內(nèi)容如“Protein-protein interaction network”“Genome”“Pathway”“Metagenomics”，對應國內(nèi)的研究則表達為上述主題的上一層次概念“生物信息學”。國外研究的集中性增長已經(jīng)明顯體現(xiàn)在具體病癥的可視化分析上，如“Glioblastoma”“Gastric cancer”“Glaucoma”等，而這種特點在近期的國內(nèi)熱門主題上并沒有顯現(xiàn)。

3 討論

3.1 國內(nèi)外醫(yī)療數(shù)據(jù)可視化文獻分布情況

無論是國內(nèi)還是國外的醫(yī)療數(shù)據(jù)可視化研究，年發(fā)文量增長幅度都在持續(xù)走高。2010—2019年國外相關(guān)文獻量的年增長幅度趨于平穩(wěn)，而國內(nèi)相關(guān)文獻在2015年之后有了大幅度提升，可見國內(nèi)研究者對醫(yī)療數(shù)據(jù)可視化領(lǐng)域的科研關(guān)注程度明顯提高。隨著全球醫(yī)療數(shù)據(jù)數(shù)量的迅猛增長，越來越多的學者傾向于思考如何更加有效地利用醫(yī)療數(shù)據(jù)信息資源?？梢暬椒ú粌H在形式上多種多樣、能夠批量表達數(shù)據(jù)信息，而且優(yōu)質(zhì)的可視化表達也可以提高用戶和研究者對醫(yī)療數(shù)據(jù)的統(tǒng)計分析效率和協(xié)助使用者深入理解數(shù)據(jù)信息，這也是相關(guān)研究文獻量明顯增加的原因。來自美國的研究論文數(shù)量最多，除了中國位居第三，排在前列的絕大部分都是發(fā)達國家，這與國家整體醫(yī)療行業(yè)發(fā)展水平、科學研究水平、信息資源的開發(fā)能力和重視程度都有密不可分的關(guān)系。

3.2 研究主題分布特點

縱觀2010—2019年國內(nèi)外醫(yī)療數(shù)據(jù)可視化研究的主題分布，其共同點主要集中于以下幾個方面：醫(yī)療數(shù)據(jù)時間空間維度的可視化研究、計算機輔助臨床診斷治療、生物力學應用的可視化和科學計量學。

時空數(shù)據(jù)的研究角度非常多元，國內(nèi)此類研究集中于對某些流行疾?。ㄈ绮剪斒暇　⑹肿憧诓〉龋┑臅r空聚集性流行分布、疾病病程發(fā)展，還有醫(yī)療相關(guān)的地理信息系統(tǒng)可視化[20，21]，而國外則多體現(xiàn)在具備時間維度的醫(yī)學圖像的呈現(xiàn)，以及病人臨床檢測等[22-24]。由此可見，雖然都是以“時空”數(shù)據(jù)為主題，但國內(nèi)外的研究側(cè)重卻大相徑庭，從技術(shù)水平要求上看，具備時間維度的醫(yī)學圖像的產(chǎn)生在框架構(gòu)建和算法設(shè)計上要求更高，其派生出可視化成果能夠為醫(yī)師提供以前無法獲得的大量信息和更安全的程序[22]，這個研究方向給未來醫(yī)療數(shù)據(jù)可視化研究者提供了很大的挑戰(zhàn)和契機。

醫(yī)學相關(guān)的科學計量學可視化研究則包括社會網(wǎng)絡(luò)分析、文獻計量學分析等，這一領(lǐng)域國內(nèi)外的研究方法和內(nèi)容比較類似，主要以某種疾病或某個醫(yī)療衛(wèi)生主題為出發(fā)點，利用數(shù)據(jù)庫或文獻提供的指標挖掘其內(nèi)在特征和內(nèi)涵[25-29]。國內(nèi)的醫(yī)療數(shù)據(jù)可視化研究在人體組織結(jié)構(gòu)和病理生理成像上有很大側(cè)重，另外對中醫(yī)藥醫(yī)療數(shù)據(jù)可視化的研究也是國內(nèi)研究的特色之一。國外研究中比較突出的重點主題就是“生物信息學”，這一主題不僅占據(jù)很大比例而且在研究粒度上也更加精細，基因和蛋白生物特性、它們對生理病理過程的作用機制、以及它們之間的互作關(guān)系都是當前國際醫(yī)療數(shù)據(jù)可視化研究中的熱點。雖然國內(nèi)近年來此類研究也有所起步，主要集中在2015年之后，但在研究深度和粒度上還需要進一步擴展。

3.3 主題時間分布特點

2010—2019 年間國內(nèi)外醫(yī)療數(shù)據(jù)可視化研究在傳統(tǒng)影像學技術(shù)的發(fā)展和延伸上都有體現(xiàn)，但研究階段有所不同。2010年前后國內(nèi)研究尚沒有完全脫離基礎(chǔ)技術(shù)實現(xiàn)的階段，雖然單純使用成像技術(shù)探索人體生理構(gòu)造、建立模型的研究已經(jīng)很少出現(xiàn)，但仍有類似“圖像配準”這樣的主題在研；隨著時間的推移國內(nèi)此類研究才慢慢逐漸轉(zhuǎn)向技術(shù)優(yōu)化和升級的層面。在這一時段國外研究中關(guān)于影像學技術(shù)的多為工具和算法的優(yōu)化和改良，并將改良方法應用于臨床實際。

關(guān)于文獻計量學、知識圖譜、社會網(wǎng)絡(luò)分析的研究在國內(nèi)非常盛行，貫穿了本文研究的整個時段，但國外研究中直到2018年才出現(xiàn)明確的Bibliometrics主題，期間出現(xiàn)的 Network Analysis（2014年）更多是屬于網(wǎng)絡(luò)藥理學和生物信息學方面方向的研究。相反的，在國外研究中關(guān)于生物信息學主題的內(nèi)容非常廣泛，其子主題豐富，貫穿近十年醫(yī)療數(shù)據(jù)可視化研究，但直到2017年才以獨立主題的形式出現(xiàn)在國內(nèi)的研究中。由此可見，國內(nèi)外研究中雖然存在相似的主題，但其側(cè)重點卻有所不同。

國內(nèi)外醫(yī)療可視化技術(shù)輔助臨床診斷治療的研究在時間上沒有明顯的差別，分布均勻，僅在治療部位和疾病病種上有所區(qū)別。

3.4 研究熱點分布特點

對于醫(yī)療數(shù)據(jù)可視化研究熱點趨勢的探索，國內(nèi)外文獻的分析結(jié)果有明顯差異。國外研究中最近3～4年新興主題的突現(xiàn)分布比較均勻，主題數(shù)量多，且突現(xiàn)強度值偏高（BurstnessMAX＝13.3337），充分體現(xiàn)了其“百家爭鳴”“活力充沛”的良好研究發(fā)展趨勢。國外突現(xiàn)性較強的主題集中在“生物信息學”、具體部位疾病的診斷治療、“三維可視化”和數(shù)據(jù)挖掘幾個方面，可視化輔助診斷治療的對象明確，部位準確，研究粒度較小。國內(nèi)研究的高值突現(xiàn)詞主題則分布在2010—2019年區(qū)間的前半部，如“三維重建”“可視化人體”“體繪制”等主題多偏向于傳統(tǒng)人體生理構(gòu)造的成像，其他類型的主題較少，近3年的新研究點突現(xiàn)值均處于較低值部分，總的來講有些“活力欠缺”。

由此可見，雖然我國在醫(yī)療數(shù)據(jù)可視化領(lǐng)域的總文獻數(shù)量逐年遞增，但在開發(fā)科研創(chuàng)新點這個層面上還需要更加深入的思考和探索。在突現(xiàn)主題內(nèi)容上可以借鑒國際研究的豐富經(jīng)驗將主題細化，如將大主題“生物信息學”繼續(xù)向“Protein-protein Interaction Network”“mRNA”“Pathway”“microRNA”等子主題深入發(fā)展；將廣義的“數(shù)據(jù)分析”細化到具體某個層面的、某種性質(zhì)或某個維度的數(shù)據(jù)來分析，以此來豐富國內(nèi)相關(guān)研究的深度和廣度。

4 結(jié)論與展望

4.1 醫(yī)療數(shù)據(jù)可視化應用的現(xiàn)狀

隨著計算機技術(shù)的蓬勃發(fā)展和大數(shù)據(jù)時代的到來，科學研究手段繼實驗、理論和計算仿真之后迎來了它的第四種范式：“數(shù)據(jù)密集型科學”[30]。越來越多的研究者意識到想要從海量的數(shù)據(jù)中獲取知識、挖掘真知、驗證科學假說，就必須探索更為高效的數(shù)據(jù)挖掘途徑，而數(shù)據(jù)可視化是實現(xiàn)這個目的的重要途徑，因此對各學科領(lǐng)域的數(shù)據(jù)可視化應用研究日益增加。近十年在基礎(chǔ)醫(yī)學、臨床醫(yī)學以及其他醫(yī)學相關(guān)領(lǐng)域的數(shù)據(jù)可視化研究都有長足的發(fā)展，國內(nèi)外相關(guān)研究數(shù)量均呈現(xiàn)明顯增長，國內(nèi)相關(guān)研究數(shù)量更有指數(shù)攀升的趨勢。

國內(nèi)外醫(yī)療數(shù)據(jù)可視化研究的共同之處主要集中于傳統(tǒng)影像學技術(shù)應用及改良、生物體模型的構(gòu)建、計算機可視化輔助臨床診療、文獻計量學領(lǐng)域、生物力學模型等主題，以及一些新興主題，如3D打印技術(shù)、深度學習等。但國內(nèi)外研究在上述主題上的側(cè)重程度卻有明顯的區(qū)別：國內(nèi)醫(yī)療數(shù)據(jù)可視化研究有很大份額集中在文獻計量學、社會網(wǎng)絡(luò)分析這類主題中，但國外研究在這類主題上雖有涉及，但并不多見；國外研究大比例地體現(xiàn)在生物信息學方面的挖掘研究，國內(nèi)文獻中生物信息學的研究占比較少且內(nèi)容尚不深入。

從研究主題“活躍性”的角度來看，近十年國外醫(yī)療數(shù)據(jù)可視化相關(guān)研究突現(xiàn)主題數(shù)量多，且突現(xiàn)強度普遍比國內(nèi)研究主題的突現(xiàn)強度高，最近3～4年新興主題豐富且分布比較均勻。國內(nèi)研究的高值突現(xiàn)詞主題主要分布于2010—2013年，內(nèi)容以傳統(tǒng)影像學成像、可視化人體模型構(gòu)建及計算機輔助治療為主；最近幾年新增的突現(xiàn)主題研究角度逐漸多元，涉及3D打印、生物信息學、手術(shù)前計算機輔助規(guī)劃評估、麻醉學、專利評估、時空聚集數(shù)據(jù)的可視化等，其突現(xiàn)值分布在2.41～5.85之間。

4.2 國內(nèi)醫(yī)療數(shù)據(jù)可視化研究存在的問題及其應對思路

4.2.1 起步晚、雖數(shù)量增加但活力不足

從相關(guān)研究文獻的年發(fā)文量可以看出，早期國內(nèi)醫(yī)療數(shù)據(jù)可視化的研究并不多，且在相當一段時間內(nèi)增幅緩慢，在2015年后才出現(xiàn)了爆發(fā)式的增長。結(jié)合國內(nèi)外醫(yī)療數(shù)據(jù)可視化研究突現(xiàn)詞的分布發(fā)現(xiàn)國內(nèi)研究的高強度突現(xiàn)概念大都出現(xiàn)在2010—2013年，近五年的研究中顯示高突現(xiàn)強度的概念只有“3D打印”和“生物信息學”，新研究概念普遍突現(xiàn)強度值較低，多數(shù)在2.4～3.5之間?？梢妵鴥?nèi)相關(guān)研究者是在近五年才對醫(yī)療數(shù)據(jù)可視化研究予以重視，整體研究步伐慢于國際研究進程，并且這些研究更傾向于“傳統(tǒng)主題”，如“三維重建”“可視化人體”“解剖學”等。對比國外相關(guān)研究突現(xiàn)詞時間分布均勻、主題豐富、突現(xiàn)值高的特點，國內(nèi)研究相對“創(chuàng)新不足”“后勁不足”。

國內(nèi)醫(yī)療數(shù)據(jù)可視化應用的研究者應該嘗試借鑒國外相關(guān)研究的立題思路、關(guān)注最新國際科研動態(tài)，并借助大數(shù)據(jù)時代醫(yī)療數(shù)據(jù)數(shù)量激增、種類多樣、更新頻率快等特點，尋求思變。一方面在傳統(tǒng)可視化方法應用上優(yōu)化數(shù)據(jù)的處理精度，面向非結(jié)構(gòu)化、準結(jié)構(gòu)化、半結(jié)構(gòu)化和結(jié)構(gòu)化醫(yī)療大數(shù)據(jù)提出個性化的應對方案；另一方面結(jié)合技術(shù)發(fā)展的創(chuàng)新產(chǎn)物及時挖掘新的研究主題，像可穿戴醫(yī)療健康設(shè)備、3D打印，4D流磁共振等。對于新挖掘的研究方向要做深做透做全，提高研究的延續(xù)性，而不是淺嘗輒止，這樣就能有效的避免新的研究主題即便極具研究價值卻顯示了較弱的研究活力甚至“夭折”的現(xiàn)象。

4.2.2 針對研究主題的挖掘粒度較大，細化程度不足

這一問題在“可視化人體構(gòu)建”和“生物信息學”這兩大重要研究主題上體現(xiàn)得尤為突出。三維重建技術(shù)的應用和可視化人體構(gòu)建是貫穿國內(nèi)外醫(yī)療數(shù)據(jù)可視化研究的一條重要主線，在經(jīng)歷了早期的技術(shù)探索階段后，國外可視化人體研究的重心已經(jīng)轉(zhuǎn)移到人體模型或?qū)崟r計算機導航在臨床具體病變部位的輔助診斷治療應用，應用范圍包括器官、血管、神經(jīng)等，部位具體、實施精準。國內(nèi)的可視化人體研究則主要應用在傳統(tǒng)的解剖學展示層面，研究范圍相對寬泛。“生物信息學”主題在2017年作為重要突現(xiàn)主題得到了國內(nèi)研究者的廣泛關(guān)注，但在此之后這一內(nèi)涵豐富的主題并沒有得到充分的拓展研究，沒有出現(xiàn)與其相關(guān)的重要研究主題分支。而國外相關(guān)研究中圍繞“生物信息學”主題的研究已經(jīng)形成規(guī)模，占據(jù)了三個重要的聚類，許多生物信息學的熱門分支主題如蛋白質(zhì)互作網(wǎng)絡(luò)、WGCNA、基因本體等都有涉獵。

由此可見國內(nèi)的醫(yī)療數(shù)據(jù)可視化研究在主題挖掘上還有待進一步深化、細化。應對此類問題可以從兩方面著手：首先定位研究相對成熟、初具規(guī)模、且內(nèi)涵較為廣泛的主題概念，明確該研究主題的概念關(guān)系體系。其次，從該主題的分支中挑選當下醫(yī)療健康領(lǐng)域切實關(guān)注的主題做為科研突破點，選擇的核心目的是能夠解決有價值的現(xiàn)實問題。

4.2.3 研究思路相對傳統(tǒng)，研究方式相對局限

大數(shù)據(jù)時代提供給我們前所未有的數(shù)據(jù)資源，醫(yī)療數(shù)據(jù)、移動醫(yī)療健康數(shù)據(jù)、基因數(shù)據(jù)組成了醫(yī)療大數(shù)據(jù)的整體框架。目前我國醫(yī)療數(shù)據(jù)可視化應用的數(shù)據(jù)來源集中于臨床影像資料、文獻數(shù)據(jù)庫和生物信息數(shù)據(jù)庫，雖然研究深度在不斷提升、研究方法也在不斷精進，但在選取應用場景和獲取數(shù)據(jù)資源上思路仍然比較傳統(tǒng)，大部分研究多采用相似的數(shù)據(jù)挖掘方式，如相同的三維重建算法反復應用于不同人體部位、文獻計量學等常規(guī)方法反復應用于不同數(shù)據(jù)集。在短期內(nèi)雖涌現(xiàn)大量的研究文獻成果，但并不利于可視化研究的良性發(fā)展，從長遠角度來看我們更需要挖掘新類型數(shù)據(jù)、建立新算法以及研發(fā)應用新軟件新設(shè)備，才能充分發(fā)揮科研的源動力。另外，在醫(yī)學數(shù)據(jù)資源應用的多元化上我們還有非常大的發(fā)展空間，在常用數(shù)據(jù)資源的基礎(chǔ)上，還可以嘗試利用移動可穿戴醫(yī)療設(shè)備數(shù)據(jù)、多中心聯(lián)合醫(yī)療系統(tǒng)數(shù)據(jù)、醫(yī)療管理機構(gòu)數(shù)據(jù)等。

4.2.4 可視化研究成果形式有待豐富

可視化作為一類科學研究手段，在現(xiàn)有技術(shù)水平下已具備較為規(guī)范和系統(tǒng)的輸出模式：對于時空數(shù)據(jù)的可視化有空間標量場可視化、大規(guī)模多變量空間數(shù)據(jù)場可視化和時變數(shù)據(jù)可視化等展示方式，而非時空數(shù)據(jù)的可視化包括層次和網(wǎng)絡(luò)數(shù)據(jù)可視化、文本和文檔可視化、跨媒體數(shù)據(jù)可視化和復雜高位多元數(shù)據(jù)的可視化[31]?？v觀當前國內(nèi)醫(yī)療數(shù)據(jù)可視化的研究，輸出方式主要以空間標量場可視化、層次和網(wǎng)絡(luò)數(shù)據(jù)可視化以及文本和文檔可視化的形式出現(xiàn)；具有時變維度的數(shù)據(jù)可視化方式也初現(xiàn)端倪，但尚未形成主流研究群體。總體上可視化研究的方式上還有很大的提升和發(fā)展空間。醫(yī)療健康數(shù)據(jù)具備數(shù)據(jù)規(guī)模大，形式多樣，專業(yè)性強等特點，具備被大規(guī)模、綜合性數(shù)據(jù)分析手段處理的條件，拓展多元維度、跨平臺、跨媒體的可視化分析方式是未來醫(yī)療數(shù)據(jù)可視化發(fā)展的大勢所趨，研究人員亟需學習如何更好的借助計算機及計算機網(wǎng)絡(luò)獲取高量級的醫(yī)療數(shù)據(jù)資源，并將其投入到大型綜合性可視化分析中的技能。

4.2.5 亟需多學科領(lǐng)域?qū)I(yè)人員的協(xié)同合作

縱觀當前的醫(yī)療數(shù)據(jù)可視化研究的人員構(gòu)成，絕大多數(shù)研究出自臨床或其他某一專業(yè)科研人員之手?？梢暬粌H僅是工具，更是人類探求未知世界的媒介，是探索、呈現(xiàn)與表達數(shù)據(jù)含義的方法。醫(yī)療數(shù)據(jù)可視化的過程是一個連貫的整體過程，它不僅僅是將分散的現(xiàn)實數(shù)據(jù)聚集，并用圖像的方式陳列，優(yōu)質(zhì)的可視化成果應該在數(shù)據(jù)分析的角度和呈現(xiàn)方式上經(jīng)過縝密的思維處理。往往這個過程需要多領(lǐng)域知識的相互助力，它是除了生物醫(yī)學外，融合了包括數(shù)學、計算機科學、統(tǒng)計學、藝術(shù)設(shè)計等多學科智慧的結(jié)晶。美國的獨立研究者、藝術(shù)家 Justus Harris[32]就在2016年創(chuàng)立了基于藝術(shù)的糖尿病患者教育工具——MedSculp，該工具將圖表和圖形中的個人醫(yī)療數(shù)據(jù)轉(zhuǎn)換為可以直觀理解的平面設(shè)計和3D打印作品。這種直觀通俗的展示方式，對于患有糖尿病等慢性病的人去認識和理解疾病來說至關(guān)重要。

打破傳統(tǒng)的專業(yè)知識屏障和學科禁錮，多專業(yè)領(lǐng)域的協(xié)同合作、多領(lǐng)域知識的融合將大大提高醫(yī)療數(shù)據(jù)可視化研究的輸出效率，為人類對醫(yī)學認知提供更加客觀、全面、科學的幫助。

4.2.6 缺乏針對醫(yī)療數(shù)據(jù)特征的可視化理論體系

現(xiàn)代意義的可視化是計算機及其顯示方法與設(shè)備發(fā)展到一定階段后的新興技術(shù)[31]，隨著應用范圍的拓展和技術(shù)升級，醫(yī)療數(shù)據(jù)可視化的內(nèi)涵也有了質(zhì)的飛躍。未來的醫(yī)療數(shù)據(jù)可視化的挑戰(zhàn)方向是“醫(yī)療大數(shù)據(jù)可視化”和“以人為中心的探索式可視分析”，醫(yī)療大數(shù)據(jù)具有專業(yè)性強、服務(wù)人群目標明確、數(shù)據(jù)類型復雜，處理問題層級多等特點。在廣義可視化技術(shù)理論體系下，建立一套適應醫(yī)療健康大數(shù)據(jù)特征的、相對完善的醫(yī)療數(shù)據(jù)可視化理論體系，無論對醫(yī)療健康數(shù)據(jù)的有效獲取、正確分析還是合理應用都具有重要的指導意義。該理論體系應緊緊圍繞“可視化對應醫(yī)療數(shù)據(jù)和數(shù)據(jù)模型”和”開發(fā)有效的創(chuàng)建可視化的原理和技術(shù)“這兩個核心實質(zhì)，解決“感知和認知能力”“計算能力”“顯示能力”等可視化研究進程中的思維和技術(shù)約束。

綜上，大數(shù)據(jù)時代下醫(yī)療數(shù)據(jù)可視化領(lǐng)域的研究從數(shù)據(jù)獲取、分析、挖掘、管理，到可視化成果的輸出、應用都極具研究價值，每一個環(huán)節(jié)的都面臨著嚴峻的挑戰(zhàn)和無限可能。我國乃至全球關(guān)于醫(yī)療數(shù)據(jù)可視化的研究都存在諸多問題，本文管中窺豹，運用科學計量和知識圖譜的方式發(fā)掘出其中一些相對突出的問題，希望能夠為致力于醫(yī)療數(shù)據(jù)可視化研究的學者們提供借鑒和參考，促進醫(yī)療數(shù)據(jù)資源的高效利用。