人工智能(AI)是指模仿人类智能的系统，其特征是具有感知、推理、发现意义、概括、从过去的经验中吸取教训、解决问题或做出决策的能力[ 1]。机器学习(ML)、自然语言处理以及可视化和识别物体的能力(计算机视觉)都是常用的人工智能技术[ 2]。

ML是实现人工智能系统的主要技术。ML指的是计算机编程的科学，它使用统计分析技术来创建从数据中学习的算法[ 1]。因为它使用统计模型和算法来评估大量的训练数据集，所以它也被称为“数据编程”。监督和非监督框架是两种不同类型的机器学习( 图1)。

人工智能已应用于分子生物学、生物信息学、医学影像等医学领域，支持人群健康管理，提供量身定制的诊断和治疗，监测患者，指导手术护理，预测健康轨迹[qh] 1， 3.， 4]。

重症监护室(ICU)是所有医院病房中最适合在不久的将来开始向大数据过渡，并将人工智能应用于研究甚至临床实践的病房。在icu中，密切监测患者以发现与恶化相关的生理变化，这些变化可能需要对治疗计划进行适当的重新评估。护理人员通过记录神经系统状态、输入输出(包括给药)等密切监测ICU患者。床边监视器促进了这一点，并连续传输大量数据[ 5]。随着计算机科学的进步，从各种信息系统中整合和归档临床文献中的数据，并建立一个综合系统，随后转化为研究数据库，已经成为可能。大型公共ICU数据库包括eICU和MIMIC数据库。对这些数据库的开放获取鼓励在重症监护医学的临床研究中使用人工智能技术并开发决策支持工具。

AI在重症监护中的应用主要涉及脓毒症、脓毒性休克、急性呼吸窘迫综合征(ARDS)等疾病的诊断、疾病进展(临床恶化)的预测、特定疾病表型或内源性的表征等。

文献计量学是一种分析学术文献的可量化信息学技术[ 6， 7]。通过文献计量学分析可以提供某一主题的一般、定量和定性概述。它特别指出了最活跃的作者、组织、出版物、有影响力的研究和国际合作[ 7]。

尽管人们对重症监护相关的人工智能研究越来越感兴趣，但在衡量和分析全球科学出版物的综合文献计量学研究中，文献仍然缺乏。在本研究中，我们旨在(1)提供AI在icu中应用的研究趋势的整体视图;(2)重点突出icu卫生保健领域人工智能相关研究热点;(3)突出高产作者、主要国家和最高产学术机构的贡献;(4)提供对未来潜在合作和研究方向的洞察[ 8]。

由于本研究是对现有已发表研究的回顾性文献计量学分析，因此不需要伦理委员会的许可。

数据挖掘于2022年3月18日进行，使用Scopus数据库。Scopus是公认的最大的同行评议文献摘要和引文数据库，涵盖了广泛的学科[ 8]。本研究检索了在标题、摘要和关键词中提到人工智能或人工智能相关术语(神经网络*、机器学习、深度学习或自然语言处理)和重症监护或ICU相关术语(重症监护、危重病、高度依赖或ICU)的文章。最早的出版物出版于1986年，最近的出版于2022年。用于搜索的可重复查询字符串为:TITLE-ABS-KEY(“人工智能”或“神经网络*”或“机器学习”或“深度学习”或“自然语言处理”)和(“重症监护”或“重症监护”或“重症监护”或“高依赖性”或“ICU”)于2022年3月18日搜索。

查询字符串产生了3619个文档。其中，只有文章(2050/3619,56.64%)被纳入( 表1)。使用Stata(版本17;StataCorp)进行数据清理。分析的论文仅限于(1)专注于重症监护医学和(2)涉及人工智能技术的论文。两位合著者(SZ和RT)回顾了所有研究的标题作为试点筛选，并删除了不相关的文章。初步检索的论文被分类为包括、排除和不确定。标记为不确定的论文的摘要和关键词由3位作者(SZ、RT和MZ)进一步筛选，讨论直至小组会议达成一致。

在筛选了所有文章的标题和摘要后，必要时排除了848篇文章，因为它们没有关注重症医学或没有涉及人工智能技术。最后纳入文献计量学分析1198篇论文。

在36年间(1986-2022; 图2)。最早的出版物是1986年出版的[ 18]。

有人认为，人工智能在重症医学领域的浓厚兴趣始于2018年，年增长率为135.3%。从那时起，年度出版物急剧增加，这导致出版物的累积数量迅速增加。2011年至2015年增长率为3.93%，2016年至2020年增长率为52.1%，去年增长率翻了一番，达到120.3%。2018 - 2022年，论文数量急剧增加，占全部收录论文的72.53%(869/1198)。

大多数文章(61.1%，732/1198)是可以免费获取的开放获取文章。如果一篇文章发表在开放获取期刊上，它可能会得到更多的引用。

我们的研究结果显示，排名前15位的高产期刊由9家不同的出版商拥有( 表2)。最有成效的期刊是 医学中的人工智能论文42篇，占总发表量的3.5%，其次是 重症监护医学(40岁的3.3%), 《公共科学图书馆•综合》(35, 2.9%) 科学报告(33岁,2.8%)。 重症监护医学是Lippincott Williams和Wilkins的期刊，被引用次数最多，为1166次。他们的一篇文章《用于准确预测ICU脓毒症的可解释机器学习模型》发表于2018年，是被引用次数最多的文章，被引用247次。

根据CiteScore 2020报告，共有9种期刊的CiteScore≥5。 重症监护医学(CiteScore 12.7)和 JMIR医学信息学(CiteScore 1.59)分别具有最高和最低的CiteScore。虽然在Scopus中以26篇文章排名第7，但总被引次数和文献被引次数均为 医学前沿均显著低于其他期刊。

对全球重症监护研究活动中人工智能增长贡献最大的15个国家列于 表3和 图3．美国以488篇论文居首位，占全球1198篇论文总数的40.73%。中国是第二多产的国家，占美国总出版物的三分之一(173/1198,14.44%)。

图4说明了国家的分布。该图显示了各国如何建立研究网络并就重症监护中的人工智能研究进行合作。在VOSviewer中，一个国家与另一个国家的接近程度表明它们的亲缘关系有多强。两国之间的联系越紧密，这条线就越粗。合作的结果显示，美国是联系最多的国家，与34个国家或地区有联系，共有247次合作。紧随其后的是英国(28个链接，122个合著者)、意大利(27个链接，93个合著者)、中国(26个链接，94个合著者)和其他国家。

我们根据这些机构就重症监护医学中的人工智能发表的文章数量，列出了15家最具生产力的机构( 表4)。在这15个研究机构中，有13个在美国，这进一步表明了美国在这一研究领域的主导地位。在上榜的15所大学中，有9所进入了2022年世界大学排名的前100名[ 19]。

在记录的2267个作者关键词中，仅出现1次的有1785个(78.73%)，出现2次的有230个(10.14%)，出现3次的有252个(11.11%)。在使用同义词典文件重新标注同义词和同义短语后，102个(4.49%)关键字达到了在VOSviewer中至少出现5次的阈值( 图5和 图6； 表5)。 机器学习是最常遇到的关键字，有347次出现，809个链接到其他关键字。在同一簇中 机器学习，包括一般条款 大数据(9次出现，15次链接)， 数据科学(6次出现，13个链接)， 预测模型(出现5次，链接10次)，和 聚类(5次出现，14次链接)。 机器学习与icu相关专业关键词同时出现，包括 重症监护医学， 急性呼吸窘迫综合征， 急性呼吸衰竭， 气管插管术， 机械通风, 个性化医疗．

我们根据ICU的疾病、使用的机器学习技术以及机器学习在研究中的作用，将关键词分为3个不同的类别( 表6)。排在前5位的是败血症、COVID-19、急性肾损伤、ARDS和心脏骤停。排名前五的人工智能技术分别是机器学习、人工智能、深度学习、决策支持系统和神经网络。排名前5位的功能分别是预测(临床恶化或死亡)、死亡率、监测、疾病预后和(疾病表型)分类。

在1986年至2022年的1198篇关于重症监护医学人工智能的文章中，被引用次数最多的30篇文章列于 表7．给出了每年总被引次数和平均被引次数。在被引用最多的30篇文章中，10篇(33%)与脓毒症(重症监护领域最热门的话题之一)有关，11篇(37%)与使用人工智能技术预测急性肾损伤、脓毒症、低血压诊断、临床结果(死亡率、生存率和ICU住院时间)和并发症有关。

自1986年最早的出版物出版以来，关于重症医学人工智能的出版物在30年内缓慢增长。转折点出现在2018年，当时人们对重症监护医学中人工智能的兴趣显著增长。这比2012年开始在全科医学领域对人工智能的兴趣的快速增长落后了6年[ 20.]。这可能是由于对人工智能模型在重症患者中的安全性和问责制的担忧。2014年至2018年涌现的自主机器人、语音识别、神经网络、机器学习等人工智能技术为预测、诊断和管理疾病提供了前所未有的机会。2016年和2018年，研究人员可以随时使用MIMIC和eICU等大型公共重症监护数据库[ 5， 21]。自2018年以来，人工智能技术和大型数据库的进步促进了年度出版物的急剧增加。根据出版趋势，预计年度出版物将继续增加。

在排名前15位的高产期刊中，有9种(60%)的CiteScore得分≥5，这表明重症医学相关的人工智能研究受到重症医学和医学信息学领域顶级期刊的青睐。这些包括 重症监护医学， 重症监护和IEEE生物医学与健康信息学杂志．想要发表重症医学相关人工智能研究的作者可以首先考虑列出的高产期刊。CiteScore是爱思唯尔-斯高帕斯(Elsevier-Scopus)对Clarivate Analytics影响因子的替代方案，是一个基于斯高帕斯数据库中引用数据评估期刊影响的指标。然而，CiteScore并不是决定在哪个期刊上发表论文的唯一考虑因素。作者应该考虑期刊向合适的受众传播研究工作并为该领域的发展做出贡献的能力[ 8]。

在排名前15位的生产性机构中，有9所进入了排名前100位的最佳大学，这表明人工智能在重症医学领域受到了全球顶尖大学的关注。作者可以考虑与这些机构进行联合研究或申请他们的访问学者或教育项目。

在检查各国出版物的分布情况时，高收入国家是重症监护医学相关人工智能研究的主导力量。生产率最高的10个国家均位于世界国内生产总值(gdp)前25名之列，这表明这些国家的经济实力会影响其出版物的生产率。这一结果与许多其他医学学科的文献计量学研究结果一致[ 13， 22， 23]。全球约60%的出版物由美国、中国和英国贡献，这表明这三个国家对重症监护研究中的人工智能贡献最大。这些国家也有最高的引用量，尽管与美国和英国相比，中国每份文件的引用量相对较低。

引用次数低于重症医学其他研究热点[ 24]。这可能是因为人工智能在重症监护中的相关研究存在局限性，其中包括人工智能在实际应用中的成熟度较低[ 25以及缺乏外部验证过程、前瞻性评估和明确的协议来检查人工智能解决方案的可重复性[ 26]。

合作作者分析显示，美国、英国、意大利和中国是合作最多的国家，合作作者超过90人。研究伙伴的多样性、外国研究生或访问学者的高比例以及充足的研究经费都是促进国际合作的因素。为了确保国际合作的可持续性，灵活和稳定的研究政策也至关重要[ 8]。

根据确定类别中的作者关键词，重症监护医学相关人工智能研究涵盖的顶级疾病领域是败血症、COVID-19、急性肾损伤、ARDS和心脏骤停。这些最常见的ICU条件已成为人工智能算法的热门目标。

人工智能的顶级功能包括预测临床恶化或疾病演变或死亡、监测、疾病预后、疾病表型或亚型分类。文献报道了其他重要功能，如疾病识别和指导决策(强化学习)[ 26]。在被引次数最多的30篇文章标题中出现频率较高的关键词包括 脓毒症， 预测， 早期检测, 临床决策支持．关键词分析表明 机器学习通常与呼吸系统疾病有关，尤其是COVID-19。在重症监护中应用最广泛的人工智能技术包括ML、深度学习、决策支持系统和神经网络。

我们的研究综述了重症医学相关人工智能研究的研究趋势和热点，突出了最具生产力的国家和学术机构，以促进潜在的合作，并为未来的研究提供了方向。然而，这项文献计量学研究有一些局限性。

首先，尽管我们包含了最广泛使用的人工智能技术，并努力在搜索关键字中明确与人工智能相关的术语(例如， 神经网络， 机器学习， 深度学习, 自然语言处理)，但它们仍然相当笼统，并没有包括所有的人工智能技术。由于搜索仅限于标题、摘要和关键词中的关键词，因此搜索结果可能无法覆盖Scopus上可获得的所有重症医学相关研究中的AI。此外，由于缺少作者关键字信息，作者关键字共现分析仅包括1198篇文章中的74.4%(891篇)。

其次，我们的研究只使用了Scopus数据库，这是最大的摘要和引文数据库，我们认为应该足以进行我们的分析。使用多种数据源(如Web of Sciences、PubMed和Google Scholar)的文献计量学分析将更加全面。例如，Web of Science有一个在Scopus中没有的名为“热门论文”的功能，它会自动显示该领域最受欢迎的文章[ 27]。“热门论文”显示的是在论文发表后立即被发现的重要论文，被引用次数的急剧上升表明了这一点[ 8]。

最后，我们没有纳入以会议论文、评论、社论、笔记、信件、书籍章节、简短调查或数据论文形式发表的论文，因为担心这些出版物的临床准备程度较低。因此，我们可能会错过以文章以外的形式发表的相关研究。由于人工智能技术是一个前沿和快速发展的研究领域，发表在会议记录和信件中的论文可能已经回顾了该领域的最新进展。

未来的文献计量分析可以在研究关键词中使用更具体的人工智能技术术语;使用其他数据库，如Web of Sciences、PubMed和Google Scholar;并在文章类型中包括会议论文，以探索更多潜在的论文。

我们的研究基于从Scopus数据库检索的1198篇出版物，概述了人工智能在重症监护医学中的研究趋势。在过去的5年里，出版物增长迅速，预计还会进一步增长。我们审查了拥有大量出版物和稳固的国际合作的国家和学术机构(如美国、中国和英国)。这为其他国家，特别是缺乏人工智能技术但对卫生保健资源需求不断增加的低收入和中等收入国家提供了潜在的合作机会。

我们讨论了目前正在积极探索使用人工智能技术的重症监护中的几种情况，如败血症、COVID-19、急性肾损伤、ARDS和心脏骤停。危重患者AI研究热点包括临床恶化检测、监测、疾病演变、死亡率预测、疾病预后预测、疾病表型或亚型分类等。在重症监护研究中应用最广泛的人工智能技术是机器学习、深度学习、决策支持系统和神经网络。详细列出了1986 ~ 2022年间被引用次数最多的30篇文章。

在重症监护和人工智能研究中，人工智能研究是一个新兴的热点，在重症监护医学的各个领域都有潜在的应用。然而，人工智能解决方案的开发和实施仍然面临许多挑战。由于缺乏外部验证过程、前瞻性评估和明确的方案来检查人工智能解决方案的可重复性，人工智能研究在临床环境中的应用受到了限制。为了使基于人工智能的临床研究在常规重症护理实践中具有足够的说服力，需要开展合作研究，以提高人工智能驱动模型的成熟度和鲁棒性[ 26]。