算法在上升:一个机器学习驱动的前列腺癌文献调查

科学领域:

• * 应用到医学研究中的图书计量和科学计量.
• * 人工智能和机器学习在瘤学.
• * 前列腺癌诊断,预后和治疗计划.

背景情况:

• *机器学习 (ML) 在改善前列腺癌 (PCa) 诊断,预后和治疗方面非常有前途.
• *需要对全球研究趋势和PCa的ML应用知识结构进行全面的综合分析.
• *本研究系统地绘制了ML-PCa研究的演变,研究热点和协作格局.

研究的目的:

• *系统地绘制前列腺癌研究中ML应用的演变.
• * 确定该领域的关键研究热点和新兴前沿.
• *分析全球ML-PCa研究的协作格局.

主要方法:

• *对英语文章和评论进行系统的文献计量审查 (2005-2024年).
• *数据来源于科学网络和Scopus数据库.
• *使用CiteSpace,VOSviewer和R-bibliometrix分析出版趋势,国家/机构贡献,合作网络,作者生产力,期刊刊物以及关键词的共同出现.

主要成果:

• *确定了2,632个出版物,其中82%自2021年以来出版,呈指数级增长.
• *中国和美国在出版量方面处于领先地位;新兴的前沿领域包括深度学习,放射学和多式联络数据融合.
• * 国际合作显著,特定的机构和作者被确定为关键贡献者和中心.

结论:

• *在PCa研究中的ML应用正在迅速扩大,由深度学习和放射学驱动.
• * 在ML模型开发和临床实施之间仍然存在很大的差距.
• *未来的努力应优先考虑跨学科合作,多中心验证和监管调整,以将ML纳入临床工作流程.