Page 11 - 2019年2月第30卷第4期
P. 11

表2 高频关键词（频次＞250）
        Tab 2 High frequency keywords list（frequency＞250）

        序号        关键词               频次            中心度
        1       Neural network      792            0.06
        2       Machine-learning    542            0.06
        3       Discovery           467            0.15
        4       Prediction          356            0.07
        5       Classification      307            0.07
        6       Design              284            0.10
        3.3 AI技术应用于药学领域的研究前沿进展
            通过 CiteSpace 可以发现时间轴上频次变化率高的
        词汇，并将其从大量关题词中提取出来，进行膨胀词
       （Burst，表示某个学科中研究兴趣强度骤然增加的专业
        术语）检测。Burst是研究前沿留下的印记，通过分析它                                     图7 关键词时间序列图谱
                                                                 Fig 7 Time distribution map of keywords
                                                  [26]
        们可以发现该领域研究的前沿领域及发展趋势 。研
        究领域发展越迅速，其膨胀强度越高。采用 CiteSpace                      献数量增长速度越来越快，期间不乏优异的研究著作为
                                                           该领域的发展打下了坚实的基础。从世界格局来看，美
        对图6中的关题词进行Burst检测，结果共发现了103个
                                                           国、中国、英国和德国因发文量大而占据领先地位，但我
        膨胀词，可见这是一个复杂且迅速发展的领域。膨胀强
                                                           国相关研究的中介中心性偏低，以我国和日本等为代表
        度排名前 4 位关题词见表 3。由表 3 可见，分子对接
                                                           的亚洲国家与欧美国家间的学术壁垒亦确实存在，因此
       （Molecular docking）的膨胀强度最高。分子对接属于计
                                                           加强国际合作应作为我国药学研究人员在此领域发展
        算机辅助药物设计领域，有较为长久的研究历史，但近
                                                           的重要方针。美国在该领域具有压倒性的领先优势，哈
        两年又一次备受关注，可能与 Machine-learning（机器学
                                                           佛大学、斯坦福大学和密歇根大学等高校均颇有建树，
        习）的新进展有关；而 Mass spectrometry（质谱法）和 In
                                                           相比之下我国仅中国科学院一枝独秀，因此亟需更多优
        silico（计算机生物模拟实验）则是早几年的研究热点。
                                                           秀的国内核心团队投入该领域研究中。Ekins S、Sch-
                表3 膨胀强度排名前4位的关题词
                                                           neider G、Takayama K 以及 Chou KC 等都是该领域的优
              Tab 3 Keywords with top 4 burst degree
                                                           秀学者，但总体来看该领域仍旧缺乏团队合作。该领域
        序号     关键词            膨胀强度        起始年     终止年
        1      Molecular docking  10.54    2014    2017    的研究热点包括机器学习算法、药物发现及设计、疾病
        2      Machine-learning  9.52      2015    2017    或不良反应诊断分级、药学模型的建立和优化、药物筛
        3      Mass spectrometry  9.45     2007    2012    选或药效预测、药学数据库的建立等；近年来研究前沿
        4      In silico        9.45       2007    2010
                                                           包括分子对接、机器学习、乳腺癌、计分公式、纳米粒、数
            采用 CiteSpace 将图 6 中关键词以时间序列图谱的
                                                           据库、QSAR模型、Meta分析、精准用药和靶向治疗等。
        形式展开（见图 7）。该图谱中，关键词按出现时间的先
                                                               总而言之，AI 是对人类思维过程的模拟，其应用于
        后顺序，从左到右、从下到上排列，其字体的大小反映了
                                                           医药产业开发是大势所趋，在药学领域的研究实施和决
        关键词出现频次的高低。由图7可见，AI技术应用于药
                                                           策制定过程中可起到至关重要的作用，这不仅仅体现在
        学领域在不同时期有不同的研究前沿。现时期的研究
                                                           计算、检测、统计、建模等弱AI技术的广泛运用，更彰显
        前沿包括乳腺癌、计分公式、纳米粒、数据库、定量构效
                                                           于自然语言处理、专家决策系统、医学影像识别等复杂
        关系（QSAR）模型、Meta 分析等，而精准用药和靶向治                      算法的快速发展中。2018 年谷歌公司表示，其 Alpha-
        疗无疑是2015年来最重要的研究前沿之一。                              Fold项目可根据基因编码预测蛋白质的3D结构 ，若该
                                                                                                    [27]
        4 结语                                               技术成熟，极可能促进药物分子设计、药理毒理试验、个
            笔者依据文献计量学的相关理论，借助 CiteSpace                    体化治疗等研究的突破，同时大大减少研究成本、缩短
        可视化分析工具，以WOS数据库近20年收录的AI技术                         研究周期。让计算机学会“思考”并深入医药卫生科学
        应用于药学领域的研究文献为数据来源，用知识图谱的                           领域，无疑是药学研究人员面临的一场重大机遇和挑
        方法直观展现并分析了该领域研究的发文量及发文时                            战。然而我国在该领域的研究现状与国际前沿水平仍
        间、知识基础、研究国家/地区、研究机构、研究者、研究热                        存在一定差距。这提示我国药学工作者应时刻提升自
        点以及研究前沿。结果发现，20年来已有越来越多的国                          身素养，学习新的软硬件技术，在做好实验研究和临床
        家、机构和研究者投身这一领域的研究，发表的相关文                           试验等基础工作的同时，加强与 AI 领域专家的交流和


        中国药房    2019年第30卷第4期                                               China Pharmacy 2019 Vol. 30 No. 4  ·437  ·
   6   7   8   9   10   11   12   13   14   15   16