涂嘉欣，葉惠清，張小強(qiáng)，林雪婷，楊善嵐，鄧?yán)蚍?，吳?

食管癌包括食管腺癌和食管鱗狀細(xì)胞癌，其是全球第七大常見癌癥（按發(fā)病率），第六大致死癌癥（按死亡率），新發(fā)病例死亡率高于50%［1］。近20年，食管癌在診斷、治療、預(yù)后等方面取得了重大進(jìn)展，尤其新興的人工智能（artificial intelligence，AI）逐漸被應(yīng)用于醫(yī)療衛(wèi)生中的疾病診斷、基因組數(shù)據(jù)分析等許多領(lǐng)域［2-3］，這在一定程度上提高了食管癌診斷結(jié)果的準(zhǔn)確率［4-5］。隨著AI在食管癌領(lǐng)域研究的劇增，研究人員快速了解該領(lǐng)域的最新發(fā)展和研究熱點(diǎn)十分重要。因此，本研究對2000—2022年AI應(yīng)用于食管癌領(lǐng)域的全球研究進(jìn)行了文獻(xiàn)計量分析，總結(jié)AI在食管癌領(lǐng)域的應(yīng)用和發(fā)展歷程，闡明AI在其中的研究進(jìn)展、熱點(diǎn)和新興趨勢，以幫助該領(lǐng)域研究者更好地把握未來的研究方向。

1 資料與方法

1.1 資料來源及檢索策略 檢索Web of Science Core Collection（WoSCC） 的 Science Citation Index Expanded（SCI-E）數(shù)據(jù)庫，檢索時間2000-01-01至2022-04-06。所有檢索工作于2022-04-06完成，以確保沒有數(shù)據(jù)更新。共檢索到文獻(xiàn)1 074篇，剔除非英語2篇、與主題不相關(guān)141篇、文獻(xiàn)類型不符（非研究類、綜述類文章）12篇、重復(fù)發(fā)表1篇，最終得到918篇有效文獻(xiàn)，具體檢索策略見表1。

表1 2000—2022年AI在食管癌領(lǐng)域研究文獻(xiàn)檢索策略Table 1 List of esophageal cancer studies using AI published from 2000 to 2022

1.2 數(shù)據(jù)處理 文獻(xiàn)數(shù)據(jù)由2名課題組成員分別下載（下載格式為純文本文件）和分析，以確保數(shù)據(jù)的準(zhǔn)確性和研究的重復(fù)性，其導(dǎo)出內(nèi)容包括全部信息（標(biāo)題、作者、單位）以及所有引用文獻(xiàn)。Microsoft Excel 2019、CiteSpace（5.8R3-64bit）和 VOSviewer（1.6.18）被用于數(shù)據(jù)分析與可視化?？梢暬浖r間片固定為1年，閾值設(shè)定g-index=25，最終繪制作者、機(jī)構(gòu)、關(guān)鍵詞共現(xiàn)圖譜，同時結(jié)合詞頻、中心性等客觀數(shù)據(jù)，評估分析對象的研究熱度、重要程度。

2 結(jié)果

2.1 文獻(xiàn)發(fā)表 2000—2022年共檢索到AI應(yīng)用于食管癌領(lǐng)域的文獻(xiàn)918篇。自2000年起AI應(yīng)用于食管癌領(lǐng)域的發(fā)文量穩(wěn)步增加，根據(jù)增長趨勢劃分為兩個階段：2000—2016年為遲緩期，發(fā)文量從6篇增至40篇；2017—2022年為快速增長期，發(fā)文量從62篇突增至216篇。近10年（2012—2022年）AI在食管癌領(lǐng)域的研究發(fā)文量占2000—2022年AI在食管癌領(lǐng)域的研究發(fā)文量的80%以上（761/918）。918篇文獻(xiàn)的H型指數(shù)（H-index）和平均引用次數(shù)分別為74和25.37次。引用文獻(xiàn)數(shù)量增長趨勢基本與發(fā)文量保持一致，截至2022-04-06共計引用文獻(xiàn)總量達(dá)23 490篇（圖1）。

圖1 2000—2022年全球AI應(yīng)用于食管癌領(lǐng)域相關(guān)研究的年發(fā)文、引文數(shù)量Figure 1 Annual number of publications and citations of global esophageal cancer research using AI from 2000 to 2022

2.2 國家、機(jī)構(gòu)、作者合作分析 60個國家、118家機(jī)構(gòu)、5 979位作者參與了AI在食管癌領(lǐng)域應(yīng)用的研究。

關(guān)于AI應(yīng)用于食管癌領(lǐng)域，發(fā)文量排名前3位的國家分別是中國（306篇）、美國（238篇）、英國（113篇）。連線粗細(xì)（total link strength，TLS）反映各國之間合作關(guān)系密切程度，以美國為中心開展的研究眾多，美國-中國合作最為密切，其次是美國-新西蘭，見圖2。

圖2 2000—2022年全球AI應(yīng)用于食管癌領(lǐng)域相關(guān)研究國家合作VOSviewer可視化圖（前10位）Figure 2 VOSviewer-generated collaboration map of top 10 research countries related to esophageal cancer studies using artificial intelligence from 2000 to 2022

機(jī)構(gòu)合作強(qiáng)度排名前3位的分別是阿姆斯特丹大學(xué)（TLS=72）、凱瑟琳娜醫(yī)院（TLS=64）、埃因霍芬大學(xué)（TLS=53）。美國梅奧醫(yī)學(xué)中心是銜接美國、中國、荷蘭3國機(jī)構(gòu)研究成果的中介機(jī)構(gòu)，見圖3。

圖3 2000—2022年全球AI應(yīng)用于食管癌領(lǐng)域相關(guān)研究機(jī)構(gòu)合作VOSviewer可視化圖（發(fā)文量>15篇）Figure 3 VOSviewer-generated collaboration map of institutions published more than 15 esophageal cancer studies using artificial intelligence from 2000 to 2022

總發(fā)文量>10篇的作者中，發(fā)文量前3位是荷蘭作者Jacques J G H M Bergman（16篇）、日本作者Tomohiro Tada（12篇）、荷蘭作者Fons Van Der Sommen（12篇）。作者之間合作關(guān)系密切與發(fā)文量不呈正相關(guān)，如日本Tomohiro Tada發(fā)文量第二，但與其他作者合作強(qiáng)度值是9人中最低（TLS=7）。荷蘭作者內(nèi)部合作比其他國家作者更為密切，見圖4。

圖4 2000—2022年全球AI應(yīng)用于食管癌領(lǐng)域相關(guān)研究作者合作VOSviewer可視化圖（發(fā)文量>10篇）Figure 4 VOSviewer-generated collaboration map of authors published more than 10 esophageal cancer studies using artificial intelligence from 2000 to 2022

2.3 共被引分析 共被引作者39 962位，共被引文獻(xiàn)42 992篇（按引用次數(shù)計算）。根據(jù)CiteSpace采用剪枝選擇尋徑網(wǎng)絡(luò)法+裁剪單切片網(wǎng)絡(luò)+裁剪合并，最終得到最大相鄰節(jié)點(diǎn)數(shù)（link retaining factor，LRF）=3.0、調(diào)節(jié)連線在時間上的跨度不大于10年Look Back Years（LBY）=5、最低被引次數(shù)e=1.0、網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量N=158、連線數(shù)量E=222、網(wǎng)絡(luò)密度Density=0.004的共被引用文獻(xiàn)網(wǎng)絡(luò)。法國的作者Freddie Ian Bray、美國的作者Prateek Sharmal和日本的作者Yoshimasa Hories共被引頻次排名前3位，分別為89、87、56次?？偙灰螖?shù)前3位作者依次為美國的Prateek Sharma、瑞典的Jesper Lagergren和美國的Thomas William Rice，見表2。

表2 2000—2022年全球AI應(yīng)用于食管癌領(lǐng)域相關(guān)研究作者共被引次數(shù)（前10位）Table 2 Total co-citations of esophageal cancer studies using artificial intelligence from 2000 to 2022 by author （top 10）

表3列出了共被引文獻(xiàn)排名前10的基本信息，其中Gastrointestinal Endoscopy和Ca-A Cancer Journal for Clinicians雜志發(fā)表文章數(shù)量合計過半，總量上中國研究者發(fā)表文章占到4篇。聚類分析圖譜中模塊聚類值Q=0.946 9，模塊平均輪廓值S=0.844 8，表明其聚類效果佳（Q>0.3），網(wǎng)絡(luò)同質(zhì)性好可信度高（S>0.7）。共被引文獻(xiàn)主要涉及研究領(lǐng)域在放射組學(xué)、內(nèi)窺鏡、腫瘤分割、光學(xué)相干斷層掃描（圖5）。瑞典的作者Jesper Lagergren和美國的作者Thomas William Rice中介中心性均>0.1，表明在共被引文獻(xiàn)網(wǎng)絡(luò)中十分重要，其發(fā)表的文獻(xiàn)是銜接不同聚類模塊之間的核心。圖6時間演變用不同顏色表示，線條顏色代表聚類出現(xiàn)時間，“觀察者偏差”模塊在聚類最早出現(xiàn)（灰色）；線條上的節(jié)點(diǎn)出現(xiàn)時間表示該聚類塊文獻(xiàn)首次引用時間，表明“數(shù)字生物學(xué)標(biāo)志物”模塊聚類是這里面最晚出現(xiàn)（2016年）。

表3 2000—2022年全球AI應(yīng)用于食管癌領(lǐng)域相關(guān)研究共被引文獻(xiàn)（前10位）Table 3 The analysis of co-cited esophageal cancer studies using artificial intelligence from 2000 to 2022（top 10）

圖5 2000—2022年全球AI應(yīng)用于食管癌領(lǐng)域相關(guān)研究共被引文獻(xiàn)聚類分析圖譜（前14位聚類團(tuán)）Figure 5 The cluster analysis map of co-cited esophageal cancer studies using artificial intelligence from 2000 to 2022（top 14 clusters）

圖6 2000—2022年全球AI應(yīng)用于食管癌領(lǐng)域相關(guān)研究共被引文獻(xiàn)主要聚類團(tuán)共被引文獻(xiàn)出現(xiàn)時間演變規(guī)律Figure 6 The co-citation cluster analysis of time evolution about co-cited documents in main clusters from 2000 to 2022

圓圈顏色表示文獻(xiàn)引用時間變化規(guī)律，可以發(fā)現(xiàn)“內(nèi)窺鏡”“放射組學(xué)”“深度學(xué)習(xí)”近兩年熱度高（紅色）；圓圈大小則表示引用次數(shù)多少，“人工智能”“深度學(xué)習(xí)”“內(nèi)窺鏡”聚類圓圈大，表明這3個領(lǐng)域被引用頻次極高，處于研究熱點(diǎn)。

2.4 關(guān)鍵詞 共計3 861個關(guān)鍵詞被納入研究，癌癥、食管癌和腺癌關(guān)鍵詞出現(xiàn)頻率超100次，其次鱗狀細(xì)胞癌、診斷、生存、巴雷特食管、分類、深度學(xué)習(xí)、風(fēng)險、預(yù)后、表達(dá)等關(guān)鍵詞頻率相對較高（超50次）（圖7）。根據(jù)年發(fā)文量增速變化趨勢，分為2000—2016年、2017—2022年2個階段對全球食管癌領(lǐng)域的AI應(yīng)用的關(guān)鍵詞演變過程進(jìn)行分析。

圖7 2000—2022年全球AI應(yīng)用于食管癌領(lǐng)域相關(guān)研究關(guān)鍵詞共線圖譜VOSviewer可視化圖（出現(xiàn)頻率≥50次）Figure 7 VOSviewer network visualization of the collinear map of keywords （frequency ≥ 50） in esophageal cancer studies using artificial intelligence from 2000 to 2022

2.4.1 2000—2016年 CiteSpace最終得到LRF=3.0，L/N=10，LBY=5，e=1.0，N=421，E=901，Density=0.010 2的共被引用文獻(xiàn)網(wǎng)絡(luò)，此時期癌癥、食管癌、巴雷特食管等關(guān)鍵詞詞頻高但共線關(guān)系較差。風(fēng)險成為除癌癥類別關(guān)鍵詞外出現(xiàn)的較高頻次（23次）的關(guān)鍵詞（圖8）。關(guān)鍵詞中心性>0.10及其詞頻結(jié)果統(tǒng)計見表4。結(jié)直腸癌、癌癥、上皮小細(xì)胞癌、小細(xì)胞癌、突變、上皮組織癌、巴雷特食管癌、食管癌、乳腺癌、p53等關(guān)鍵詞中心性較高。2000—2016年研究主要內(nèi)容為癌癥診斷、鑒別、風(fēng)險、表達(dá)，具體以結(jié)腸癌、胃腸道癌、小細(xì)胞癌、乳腺癌等癌癥為中心關(guān)鍵詞。

圖8 2000—2016年全球AI應(yīng)用于食管癌領(lǐng)域相關(guān)研究關(guān)鍵詞CiteSpace可視化共現(xiàn)圖譜Figure 8 CiteSpace-generated visualized co-occurrence map of keywords in esophageal cancer studies using artificial intelligence from 2000 to 2016

2.4.2 2017—2022年 CiteSpace最終得到LRF=3.0，L/N=10，LBY=5，e=1.0，N=289，E=485，Density=0.011 7的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)，該期間關(guān)鍵詞數(shù)量有所增加且共線關(guān)系更為緊密。除食管癌、人工智能檢索詞出現(xiàn)頻次高外，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)詞頻出現(xiàn)驟增，特別深度學(xué)習(xí)出現(xiàn)頻次達(dá)到65次，是除檢索詞以外較高詞頻關(guān)鍵詞，表明此時期對深度學(xué)習(xí)研究較多，AI在食管癌領(lǐng)域的應(yīng)用以深度學(xué)習(xí)為主（圖9）。關(guān)鍵詞中心性>0.10及其詞頻結(jié)果統(tǒng)計見表5，反映出生物學(xué)標(biāo)志物、基因、表達(dá)、發(fā)育不良、計算機(jī)輔助檢測、準(zhǔn)確度、氟-18標(biāo)記氟代脫氧葡萄糖（氟-18FDG）斷層掃描等關(guān)鍵詞的強(qiáng)中心性。同時對比表4、結(jié)合圖6可以看出，此時期主要研究內(nèi)容從總體癌癥研究（含食管癌）轉(zhuǎn)為對食管癌主要標(biāo)志物、鑒別、檢查、診斷、放化療研究，同時圍繞AI中的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)作為主要應(yīng)用方法。

圖9 2017—2022年全球AI應(yīng)用于食管癌領(lǐng)域相關(guān)研究關(guān)鍵詞CiteSpace可視化共現(xiàn)圖譜Figure 9 CiteSpace-generated visualized co-occurrence map of keywords in esophageal cancer studies using artificial intelligence from 2017 to 2022

表4 2000—2016年全球AI應(yīng)用于食管癌領(lǐng)域相關(guān)研究中心性>0.10關(guān)鍵詞信息表Table 4 Keywords with centrality greater than 0.10 in esophageal cancer studies using artificial intelligence from 2000 to 2016

表5 2017—2022年全球AI應(yīng)用于食管癌領(lǐng)域相關(guān)研究中心性>0.10關(guān)鍵詞信息表Table 5 Keywords with centrality over 0.10 in esophageal cancer studies using artificial intelligence from 2017 to 2022

2.4.3 關(guān)鍵詞突現(xiàn) 關(guān)鍵詞突現(xiàn)檢測參數(shù)設(shè)置最小持續(xù)時間為1，其余設(shè)置默認(rèn)。最終檢測到近22年世界食管癌AI領(lǐng)域共有突現(xiàn)詞33個。前25位突現(xiàn)關(guān)鍵詞具體信息（按照首次出現(xiàn)研究前沿時間排序）見圖10。早期（2001—2008年）以p53、突變?yōu)橹鞯氖彻馨┗蛳嚓P(guān)研究為主；逐步出現(xiàn)了對食管癌風(fēng)險因素的研究（2007—2013年）；中期（2013—2018年）主要以食管癌分類、檢查新技術(shù)（斷層掃描）以及食管癌和不同癌癥之間區(qū)分、鑒別和比較為研究重心；期間穿插食管癌治療方法更新研究（放化療，2017—2018年）；再到自2018年開始首次高頻出現(xiàn)的關(guān)鍵詞——數(shù)據(jù)庫，表明該領(lǐng)域首次有大量文章開始對食管癌相關(guān)數(shù)據(jù)庫信息進(jìn)行探索，并且研究方法在不斷更新深入——如深度學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)（2019—2022年），尤其是深度學(xué)習(xí)一詞突現(xiàn)強(qiáng)度排在33個突現(xiàn)關(guān)鍵詞首位（突現(xiàn)強(qiáng)度為13.89），說明在食管癌AI領(lǐng)域的深度學(xué)習(xí)是現(xiàn)階段研究熱點(diǎn)。同時綜合關(guān)鍵詞變化發(fā)現(xiàn)，計算機(jī)輔助食管癌檢查已經(jīng)躍升為計算機(jī)輔助食管癌診斷，標(biāo)志著食管癌AI研究領(lǐng)域已經(jīng)邁入新階段（2020—2022年）。

圖10 2000—2022年全球AI應(yīng)用于食管癌領(lǐng)域相關(guān)研究突現(xiàn)關(guān)鍵詞信息（前25位）Figure 10 Top 25 burst keywords in esophageal cancer studies using artificial intelligence from 2000 to 2022

3 討論

隨著大數(shù)據(jù)分析時代的到來，研究人員需要充分了解其研究領(lǐng)域的發(fā)展，與系統(tǒng)綜述或薈萃分析不同，文獻(xiàn)計量分析使用VOSviewer和CiteSpace等可視化軟件對特定時間段所有文獻(xiàn)進(jìn)行綜合分析，直觀了解研究發(fā)展趨勢，以預(yù)測未來研究熱點(diǎn)［6］。本研究首次通過文獻(xiàn)計量分析總結(jié)了AI在食管癌領(lǐng)域中的應(yīng)用現(xiàn)狀，直觀地揭示了AI在食管癌的發(fā)展趨勢和未來研究熱點(diǎn)。

就發(fā)文量而言，在過去一段時間AI在各領(lǐng)域得到了迅速發(fā)展［7］。2016年起，AI在食管癌領(lǐng)域中的應(yīng)用也呈指數(shù)爆發(fā)式增長［8］。特別是在過去的10年（2012—2022年），AI在食管癌領(lǐng)域的研究發(fā)文量占2000—2022年AI在食管癌領(lǐng)域的研究發(fā)文量的80%以上?？梢灶A(yù)見，未來將有更多的國家和研究人員參與AI在食管癌領(lǐng)域的研究。中國發(fā)表的AI在食管癌領(lǐng)域的研究共306篇，同時在共被引文獻(xiàn)分析中，中國研究者發(fā)表了該領(lǐng)域重要文獻(xiàn)4篇，但與其他國家合作強(qiáng)度上卻較弱，美國、荷蘭之間則合作更為緊密，在機(jī)構(gòu)、作者的合作圖譜分析中也得以印證。

引文量可以反映文章的傳播程度和期刊的影響力，從而表明研究質(zhì)量和研究者的學(xué)術(shù)地位［9］。在共被引作者分析中，來自美國的多位作者在共被引次數(shù)和總引用次數(shù)中均位列前3，表明在該領(lǐng)域美國仍為主導(dǎo)地位。中國在本領(lǐng)域科研影響力還遠(yuǎn)遠(yuǎn)不夠，主要原因：（1）可能是中國食管癌的AI研究起步較晚，且合作較少未形成研究體系，在世界范圍學(xué)術(shù)影響力較低；（2）AI的核心算法缺乏創(chuàng)新，與國際先進(jìn)研究人員合作較少；（3）與現(xiàn)階段國內(nèi)普遍存在的科研質(zhì)量不高有關(guān)。誠信則是科研質(zhì)量和影響力最基礎(chǔ)的保障，2018年印發(fā)的《關(guān)于進(jìn)一步加強(qiáng)科研誠信建設(shè)的若干意見》有助于規(guī)范、監(jiān)督國內(nèi)科研誠信，逐步改變國際學(xué)科主導(dǎo)、中國高發(fā)文低引用現(xiàn)況［10］。在AI應(yīng)用于食管癌領(lǐng)域共被引文獻(xiàn)研究中以Gastrointestinal Endoscopy（IF=9.43） 和 Ca-A Cancer Journal for Clinicians（IF=508.70）期刊最為重要，其中Gastrointestinal Endoscopy的總引文數(shù)量遠(yuǎn)超其他期刊，表明該雜志在該領(lǐng)域有重要影響力?？梢灶A(yù)見，未來將有更多關(guān)于AI在食管癌中應(yīng)用的文章優(yōu)先發(fā)表在上述期刊上。共被引分析除了通常用于評估文章或作者的相關(guān)性，還可以作為評價作者個人學(xué)術(shù)影響力的指標(biāo)［11-12］，如中國研究者共被引次數(shù)最高的研究中GUO等［13］，該研究主要以深度學(xué)習(xí)模型證明了內(nèi)窺鏡圖像和視頻數(shù)據(jù)集的高靈敏度和特異度，同時論證了實(shí)時計算機(jī)輔助診斷系統(tǒng)可以幫助內(nèi)窺鏡醫(yī)生診斷癌前病變和食管腺癌。

從共被引文獻(xiàn)聚類結(jié)果來看研究的前沿變化，最早的研究集中在“腫瘤分割”［14］，目前的研究熱點(diǎn)是“深度學(xué)習(xí)”［15］和“內(nèi)窺鏡”［16］、胃腸內(nèi)窺鏡［17］，表明早期食管癌的研究主要側(cè)重于食管腫瘤類別的劃分、分割，然后轉(zhuǎn)向使用深度學(xué)習(xí)等其他技術(shù)來實(shí)現(xiàn)診斷準(zhǔn)確性、快速診斷和早期診斷。關(guān)鍵詞頻率可反映整體研究熱點(diǎn)變化，整體關(guān)鍵詞分為三大類，分別為癌癥、腺癌和食管癌，提示早期研究主要是作為癌癥分析的部分內(nèi)容（食管癌種類的區(qū)分、識別），具體研究內(nèi)容包括風(fēng)險、診斷、預(yù)后。但該時期受限于所用的分析技術(shù)，數(shù)據(jù)分析仍處于小范圍、淺顯分析。

關(guān)鍵詞頻率分析的2個階段分析提示：（1）2000—2016年為AI在食管癌領(lǐng)域研究的發(fā)展早期（遲緩期），風(fēng)險識別、p53等為當(dāng)時的研究前沿，這與當(dāng)時其他癌癥如前列腺癌領(lǐng)域AI研究大為不同，后者此時主要以癌篩查方法、手術(shù)治療方法為主要內(nèi)容［18］；（2）2017—2022年為AI在食管癌領(lǐng)域研究的快速增長期，計算機(jī)輔助診斷、計算機(jī)輔助治療成為AI主要應(yīng)用方向，如在早期檢查、準(zhǔn)確區(qū)分癌前病變和腫瘤病變，確定手術(shù)治療期間浸潤性腫瘤邊緣，監(jiān)測疾病進(jìn)展和獲得性耐藥，以及預(yù)測腫瘤侵襲性、轉(zhuǎn)移模式和復(fù)發(fā)風(fēng)險，醫(yī)學(xué)成像技術(shù)和生物標(biāo)志物為食管癌診斷、治療和進(jìn)展監(jiān)測提供了技術(shù)支持。這表明在這一階段更深技術(shù)層面的AI開始發(fā)揮作用。

整體而言，食管癌領(lǐng)域AI的應(yīng)用表現(xiàn)出滯后性。在延遲了至少10年后，才開始與其他癌癥一樣開展全面AI應(yīng)用于食管癌的探索，出現(xiàn)這一現(xiàn)象的原因可能與AI在癌癥領(lǐng)域應(yīng)用轉(zhuǎn)化處于初級階段、推廣應(yīng)用效果受限有關(guān)［19］。未來有關(guān)食管癌預(yù)后生存及風(fēng)險因素的模型探究勢必將成為熱點(diǎn)。此外，在2018年首次突現(xiàn)了數(shù)據(jù)庫一詞，顯然隨著大數(shù)據(jù)的出現(xiàn)，對大量數(shù)據(jù)的處理和應(yīng)用已經(jīng)成為一種重要的研究方法。通過大數(shù)據(jù)，研究者可以應(yīng)用AI對食管癌進(jìn)行全面的分析和深入的研究。但同時數(shù)據(jù)獲取需要大量的人力和財力，使得數(shù)據(jù)收集非常困難，這可能也是大多數(shù)研究缺乏合作的原因之一。最后，本研究尚存在一定的局限性，此次僅納入英文文獻(xiàn)，這可能導(dǎo)致其他語言的優(yōu)秀文獻(xiàn)缺失（如我國2020年曾提倡將“論文寫在祖國大地上”［20］），存在一定的文獻(xiàn)選擇偏倚。在未來的研究中，可合并中國知網(wǎng)、萬方數(shù)據(jù)知識服務(wù)平臺、PubMed、Scopus和Google Scholar等數(shù)據(jù)庫所有文獻(xiàn)，并進(jìn)行比較以獲得更全面的結(jié)果。

4 展望

在疾病診斷和治療方面，AI目前已顯示出較好的性能、較高的精度。隨著AI的進(jìn)一步發(fā)展，食管癌整體朝著精準(zhǔn)檢查、診斷和治療的方向發(fā)展。未來AI應(yīng)用于食管癌的挑戰(zhàn)可能主要存在于食管癌個體化數(shù)據(jù)收集（除指標(biāo)以外信息，如基因信息）、數(shù)據(jù)質(zhì)量（如數(shù)據(jù)差異之種族差異）、數(shù)據(jù)處理規(guī)范（電子健康記錄結(jié)構(gòu)不一致）、AI代碼復(fù)現(xiàn)（尚不能做到共享代碼并重現(xiàn)、推廣已有結(jié)果）、輔助診斷可信度決策（結(jié)果經(jīng)受實(shí)踐檢驗(yàn)才能真正可信）。

作者貢獻(xiàn)：涂嘉欣、吳磊提出研究設(shè)想及總體研究方案的構(gòu)建，負(fù)責(zé)論文的撰寫與修改，并對文章負(fù)責(zé)；葉惠清、林雪婷收集、清洗和保留研究數(shù)據(jù)（包括軟件代碼），以供研究使用和結(jié)果重現(xiàn)；張小強(qiáng)、吳磊為研究提供資金支持，對研究活動進(jìn)行規(guī)劃，執(zhí)行的監(jiān)督和領(lǐng)導(dǎo)，學(xué)科專業(yè)問題指導(dǎo)；楊善嵐、鄧?yán)蚍紝D片格式及文字修訂，整理參考文獻(xiàn)。

本文無利益沖突。