通过对国内外医疗人工智能伦理文献计量学和关键词分析，探讨该领域研究前沿热点和发展趋势，为促进中国医疗人工智能伦理治理体系建设提供参考。用 CiteSpace 软件对所查阅文献进行发文量、作者以及机构合作网络和关键词共现、聚类、时间线图以及突现进行国内外对比分析，探讨该领域研究热点和发展趋势。共计纳入中英文文献 2393 篇，近几年国内外医疗人工智能伦理研究主题为医疗人工智能伦理的理论研究、新兴领域及其伦理风险、医疗人工智能伦理治理及规制等三方面，国际研究热点为联邦学习、计算机辅助诊断和知情同意等，国内研究热点为智慧医疗、责任伦理和伦理价值等。国际上更多关注公共卫生领域的人群健康和卫生保健的伦理问题，国内研究主题则更倾向于理论探讨和伦理原则制定。医疗人工智能的伦理治理是全世界面临的共同挑战，需要加强医疗人工智能伦理治理差异性与共识性的研究。

　　关键词：医疗人工智能;可视化分析;伦理治理

　　1 资料和方法

　　1.1 文献数据库来源及筛选

　　研究选择 Web of Science Core Collection (WOSCC) 和中国知网 (CNKI) 两个数据库为数据来源进行医疗人工智能伦理相关文献的检索，英文检索式为 “[AB=(ethic*) OR TI=(ethic*) OR AB=(moral*) OR TI=(moral*)] AND [TS=(medic* OR biomedic* OR clinic*)] AND [TS=(“Artificial Intelligence” OR AI OR chatgpt OR “deep learning” OR “machine learning”)]”;中文检索式为 “SU%=(‘人工智能’+‘AI’+‘chatgpt’+‘机器学习’+‘深度学习’) AND SU%=(‘医学’+‘医疗’+‘生命’+‘生物’+‘临床’) AND SU%=‘伦理’”。本文限定时间范围为 “2000 年到 2024 年 7 月 11 日”。在此时间限制内，严格筛选了与医疗人工智能伦理研究主题紧密相关的文献，去除与研究主题关联性较弱的文献，同时排除会议论文、信件、报纸等非学术研究文献以及重复发表的文献。

　　1.2 分析方法

　　本文基于文献计量学，通过 CiteSpace 6.3.R1 Basic 软件进行可视化分析，并生成关键词共现图谱、关键词聚类图谱和时间线图等图表，同时对国内外医疗人工智能伦理文献的发文量、作者机构关系、热点关键词演进趋势进行统计分析和可视化呈现，从而展示全球医疗人工智能伦理研究的知识全景。本文在评估网络图谱的绘制效果时，通过模块值 (Q 值) 和平均轮廓值 (S 值) 来进行，若 Q 值超过 0.3，则表明所划分的社区结构具有较高的显著性;若 S 值达到 0.7，则表示聚类结果令人信服，而 S 值在 0.5 以上，聚类结果通常被认为是合理的。

　　2 研究结果

　　2.1 文献计量学分析结果

　　2.1.1 发文量统计分析

　　基于 Web of Science Core Collection 和 CNKI 两大数据库检索结果，经数据清洗后，研究者通过筛选文献题目、摘要或正文，排除与主题不符的部分文献，最终纳入 1940 篇英文文献和 453 篇中文文献。统计结果可见，国内外医疗人工智能伦理研究的发文量呈递增趋势 (文献检索时间限定为 2024 年 7 月 11 日，故 2024 年发文量呈轻度下降趋势)，2019 年之后增幅更加明显，说明医疗人工智能的飞速发展继发地引起全球伦理学界的探讨。两者在 2020-2023 年呈持续上升趋势，国际发文量增速更快，与其相对应的国内发文量差距逐渐加大。

　　排名年份数量

　　12024453

　　22023

　　国内外医疗人工智能伦理研究热点及可视化分析_吕孟泽.pdf

　　继续2.1 文献计量学分析结果(续)

　　2.1.1 发文量统计分析(续)

　　表 1 国际医疗人工智能伦理研究 2001-2024 年发文量

　　排名年份数量

　　32022337

　　42021267

　　52020193

　　6201995

　　7201833

　　8201721

　　920164

　　1020158

　　1120147

　　1220133

　　1320123

　　1420112

　　1520104

　　1620081

　　1720072

　　1820053

　　1920042

　　2020031

　　2120011

　　对所查阅文献进行作者合作分析，结果可见，国际作者合作网络图谱共有节点 (N) 214 个，网络线 (E) 301 条，网络密度 (Density) 为 0.0132。国内作者合作网络图谱共有节点 192 个，网络线 101 条，网络密度为 0.0055。国内网络密度较国际偏低，表明国内作者之间的合作关系相对松散。从作者个人参与频次来看，国际以 Elmar Kotter、An Tang 和 Jacob L Jaremko 三位学者构成社会关系网，徐飞、关健发表中文文章数量占中文总数量前两位，这些作者是作者合作网络中的关键节点。国内医疗人工智能相关伦理问题研究分别形成了以黄鑫、李苏宁、袁天蔚、尹军祥、桑晓冬、阮梅花和卢珊等为中心的科研团队，但整体团队规模较小且作者间关系较为稀疏。

　　2.1.3 机构合作网络分析

　　国际上发文量排名前三的机构是哈佛大学 (106 篇)、伦敦大学 (88 篇) 以及加利福尼亚大学体系 (82 篇)，中心性最高的是加利福尼亚大学 (0.16)，其次为牛津大学 (0.14)。国际机构合作网络图谱中共有 201 个节点，763 条连线，网络密度为 0.038。国内发文量位列前三的机构分别是华中科技大学 (7 篇)、中国科学技术大学 (6 篇) 以及中国生物技术发展中心 (4 篇)，但中心性均较低，研究影响力有待提高。国内图谱中共有 178 个节点，91 条连线，网络密度为 0.0058，研究机构间合作较为松散。国际机构合作以高校为核心形成复杂网络，国内则主要在研究所之间展开合作，但整体合作网络分散。

　　2.2 医疗人工智能伦理领域关键词分析

　　2.2.1 关键词共现网络分析

　　国际高频关键词包括人工智能 (848 次)、机器学习 (439 次)、深度学习 (183 次)、大数据 (128 次) 等，国内高频关键词为人工智能 (187 次)、伦理问题 (34 次)、伦理 (31 次)、医学伦理 (24 次) 等。关键词共现网络显示，国际研究围绕 “人工智能 - 机器学习 - 大数据 - 医疗健康” 形成核心框架，国内则聚焦 “人工智能 - 伦理问题 - 医学伦理 - 智慧医疗” 等主题，二者均以人工智能为核心，但国际更侧重技术应用，国内更关注伦理理论与治理。

　　表 3 国际医疗人工智能伦理研究排名前 20 的高频关键词

　　排名关键词频次中心性

　　1artificial intelligence8480.13

　　2machine learning4390.35

　　3deep learning1830.03

　　4big data1280.05

　　5classification1230.05

　　6health1190.09

　　7prediction1130.22

　　8care920.10

　　9health care910.03

　　10diagnosis900.03

　　11risk730.00

　　12medicine700.09

　　13cancer610.04

　　14validation610.10

　　15ai530.02

　　16future530.07

　　17system520.05

　　18performance500.05

　　表 4 国内医疗人工智能伦理研究排名前 20 的高频关键词

　　排名关键词频次中心性

　　1人工智能1870.91

　　2伦理问题340.15

　　3伦理310.16

　　4医学伦理240.12

　　5伦理风险200.07

　　6科技伦理140.02

　　7伦理治理140.04

　　8伦理审查130.08

　　9伦理困境110.09

　　10伦理原则100.05

　　11智慧医疗90.04

　　12机器人90.06

　　13伦理挑战80.05

　　14医疗器械80.02

　　15大数据70.01

　　2.2.2 关键词聚类分析

　　国际关键词聚类得到 10 个标签，核心聚类包括 #0 深度学习、#1 公共卫生、#2 伦理考量等，Q=0.8621，S=0.9307，聚类结构显著且可信。国内聚类核心为 #0 人工智能、#1 伦理、#2 医学伦理等，Q=0.8385，S=0.9673，显示较高可信度。国际研究更关注技术应用与公共卫生伦理，国内则侧重伦理理论与治理框架构建。

　　2.2.3 时间线图分析

　　国际上，2001 年首次出现 “人工智能” 关键词，2017-2024 年大数据、深度学习、计算机辅助诊断等成为热点;国内 2006 年起步，2016 年后 “医疗伦理”“智慧医疗”“伦理治理” 等关键词陆续突现，反映政策驱动下研究重点从技术引入转向伦理规制。

　　2.2.4 关键词突现分析

　　国际突现关键词包括大数据 (2017-2020，强度 8.37)、计算机辅助诊断 (2019-2022)、联邦学习 (2022-2024) 等，侧重技术应用的伦理风险。国内突现关键词为智能医疗 (2022-2024，强度 2.4)、科技伦理 (2021-2022)、责任伦理 (2022-2024)，凸显政策导向下的伦理机制构建需求。

　　3 讨论

　　3.1 国内外医疗人工智能伦理研究热点演变分析

　　国际研究早期以技术应用为核心，近年转向数据隐私、算法偏见及公共卫生伦理;国内受政策驱动，研究重点从技术伦理问题逐步深入到治理框架构建。例如，国际 “大数据” 研究强度最高，反映其对数据驱动技术的伦理关注;国内 “智能医疗”“科技伦理” 的突现，则与《科技伦理审查办法 (试行)》等政策出台直接相关。

　　3.2 国内外医疗人工智能伦理研究热点分析

　　3.2.1 医疗人工智能伦理的理论研究

　　国际围绕大数据隐私、算法偏见展开讨论，如 Lepri 等指出数据训练可能泄露患者敏感信息，加剧隐私风险;国内则聚焦医疗数据安全与伦理原则制定，赵力佳等强调需建立数据隐私保护机制。

　　3.2.2 新兴医疗人工智能技术及其伦理风险

　　国际关注计算机辅助诊断、联邦学习等技术的知情同意与责任归属，国内则侧重智能医疗机器人的隐私泄露、主体权利认定等风险，如赵玲玲等提出需完善技术框架与法律法规以防控伦理风险。

　　3.2.3 医疗人工智能伦理治理及规制

　　国际组织如 WHO 发布多项指南，强调透明度、患者参与和全球协作;国内通过《全国医院信息化建设标准与规范》等政策细化治理要求，但在跨学科合作与公众参与方面仍需加强。

　　3.3 国内外医疗人工智能研究前沿及发展趋势

　　国际前沿集中在生命科学技术与医疗保健伦理，国内则聚焦伦理机制构建与公平性问题。未来研究需加强医疗人工智能伦理治理的差异性与共识性研究，推动技术向善与全球协同治理。

　　4 结语

　　本文通过 CiteSpace 可视化分析发现，国内外医疗人工智能伦理研究在技术应用、伦理风险与治理模式上存在显著差异，但均面临算法黑箱、责任归属等共性挑战。未来需进一步整合多学科资源，构建兼具本土特色与国际共识的伦理治理体系，促进医疗人工智能健康有序发展。