MRIと髄膜腫の研究:図書館測定分析によるホットスポットとトレンド

科学分野:

• メディカルイマージング (医学イメージング)
• 医療における人工知能
• ビビロメトリクス (Bibliometrics) とは

背景:

• 精度の高い髄膜腫診断は,MRIの進歩に依拠しているが,限られた臨床翻訳,一貫性のないデータ標準,アルゴリズムとリソースの配分が一致しないことが妨げられている.
• この分野におけるエビデンスベースのイノベーションを導くために,図書館計測分析は極めて重要です.

研究 の 目的:

• 髄膜腫MRI研究の包括的な文献分析を実施する.
• 研究のトレンド,ホットスポット,主要な貢献者,およびコラボレーションパターンを特定する.
• 将来の研究方向を導き,臨床翻訳とAI開発における既存の障壁を解決する.

主な方法:

• Web of Scienceの4,280件の論文の文献測定分析が行われました.
• 使用されたツールには,CiteSpace,Bibliometrix,SciExplorerが含まれ,データ品質のダブルスクリーニングが行われました.

主要な成果:

• 髄膜腫MRIの研究は,AIアプリケーションへの明確なシフトとともに,S形の成長パターンを示しています.
• 米国と中国は出版量でリードし,ヨーロッパは研究効率で優れている.
• AIモデルは高い診断精度 (AUC 0.82-0.97) を示しているが,データ標準化,解釈可能性,リソース割り当ての制限に直面している.

結論:

• AIガイドラインの開発と実装の間に時間的なギャップがあり,低フィールド強度検証の赤字があります.
• マルチセンターの標準化されたプロトコル,解釈可能なAI,および≤1.5Tスキャナーの軽量アルゴリズムを優先することは不可欠です.
• 公平なAI展開のためのフィールド・フォース・アグノスティック戦略は,定量的な証拠によって支持されています.