Page 124 - 《中国药房》2024年4期

表5 AI 应用于医院药学服务领域的中文文献关键词 由图 4B 可以看出，国内该领域的研究前沿主要为
聚类情况 数据挖掘和机器学习的应用，应用领域包括耐药性、药
聚类名称 文献/篇 S 平均年 高频关键词 占比以及临床药师的作用分析等。可见，国内学者对AI
#0大数据 31 0.921 2018 大数据、信息化、基本药物、互联网+
#1AI 30 0.902 2016 AI、大数据、专家系统、防控措施、康复训练 在药学服务领域的应用研究主要集中于探讨如何利用
#2合理用药 27 0.874 2018 合理用药、处方点评、处方审核、临床使用、Web GIS 数据挖掘和机器学习技术来提升药学服务的效率和效
#3仿制药 14 1 2017 仿制药、临床试验机构、医疗保险、公立医院 果等方面。
#4电子病历 10 1 2016 电子病历、模式探析、看病难、移动医疗、居民健康卡
Web GIS：基于互联网的地理信息系统。 3 讨论
2.5.3 突现分析 3.1 AI技术在医院药学服务领域的应用研究现状
对关键词出现的时间分布和变化情况进行分析，可 AI 技术在医院药学服务领域的应用研究正处于一
反映该领域的研究前沿和发展趋势。本研究在分析时， 个快速发展阶段，特别是自 2015 年起，国外在该领域的
对于英文文献，设置关键词检测参数为默认值（γ设为1， 研究关注度显著提升，研究主要聚焦于机器学习、自然
最小持续时间为2）；对于中文文献，由于数量较少，关键 语言处理和深度学习技术的开发与应用。这些技术广
词的突现性不明显，为了便于比较，本研究将突现检测 泛应用于疾病预防、风险评估和药物治疗优化等医疗实
参数中的γ 值调整为0.3，最小持续时间设为1。突现强 务领域，尤其是 AI 技术在处理电子健康记录和医疗数
度排前15位的关键词如图4所示。 据，如药物属性、适应证、不良药物事件的识别等方面取
得了一定进展 。相比之下，国内研究更侧重于医疗服
[11]
务实践，这与“互联网+医疗健康”政策导向相契合，研究
重点多聚焦于合理用药、处方审核等方面。随着技术的
进步，预计未来AI将在医院药学服务中扮演更为关键的
角色。
3.2 我国AI技术应用于医院药学服务领域面临的挑战
与机遇
自 2018 年以来，尽管 AI 技术在国内医院药学服务
A.英文文献 领域的研究数量有所增加，但与国际研究相比仍存在一
定差距。此外，不论国内外，该领域的研究合作网络主
要集中在顶尖医学院校和医疗机构之间，这种合作模式
的形成与AI技术的复杂性密切相关——AI技术的应用
和研究需要强大的计算处理能力，而这一点在当前仍是
[12]
挑战之一 。同时，药学工作者需要适应新的技术革
新，提升自身的信息素养和技术能力，以适应AI与药学
[13]
紧密结合的发展趋势 。
在医院药学服务领域，AI技术与传统中医药的结合
尤其值得关注，当前中医药与AI技术的融合在临床辅助
[14]
B.中文文献 决策、药物疗效与安全性评价等方面表现活跃 。为了
图4 AI 应用于医院药学服务领域相关文献中突现强 更深入地开发中医药的综合疗效评估和创新治疗手段，
度排前15位的关键词 研究者们正利用AI技术对中药配伍关系、组方与临床病

[15]
由图 4A 可见，国外该领域的研究前沿主要为针对 症的关系进行深入分析 。此外，AI技术的本质是通过
药动学、自然语言处理、大数据、癌症、电子健康记录、基 对大量的数据进行统计分析，以揭示数据中潜藏的有价
[16]
因、药理学和蛋白质的研究。其中，自然语言处理和电 值的信息模式或趋势 。高质量的临床试验和患者反
子健康记录突现的时间与前述关键词聚类形成的时间 应数据的获取和分析是构建有效预测模型的关键，而如
相近。近3年中，基因、药理学、蛋白质等几个关键词有 何获得足够的数据来指导药物治疗、剂量选择等药学服
[17]
较高的突现强度，这提示在精准医疗和个性化医疗日益 务工作，只靠医疗机构自身的数据很可能是不足的 。
受到重视的背景下，这些研究主题的重要性进一步 国家卫生健康委员会在《关于加强全民健康信息标准化
提升。 体系建设的意见》中也强调了建立全面的健康信息平台

· 498 · China Pharmacy 2024 Vol. 35 No. 4 中国药房 2024年第35卷第4期