机构名称：
¥ 1.0
背景：我们在医疗保健领域经历的与 AI 相关出版物的信息流行病是无与伦比的。围绕快速发展的 AI 在医疗保健应用中的采用所带来的兴奋和恐惧构成了真正的挑战。从已发表的研究中进行协作学习是了解该领域相关机遇和挑战的最佳方式之一。为了深入了解该领域的最新发展，我们对 2023 年发表的医疗保健研究文章中的 AI 进行了定量和定性审查。方法：我们使用术语“机器学习”或“人工智能”和“2023”在 PubMed 上进行搜索，仅限于截至 2023 年 12 月 31 日至 2024 年 1 月 1 日的英语和人类受试者研究。利用基于深度学习的方法，我们评估了出版物的成熟度。随后，我们手动注释了已确定的成熟文章的医疗保健专业、所用数据和所采用的模型。随后，进行了实证数据分析以阐明趋势和统计数据。同样，我们对 2023 年基于大型语言模型 (LLM) 的出版物进行了搜索。结果：我们的 PubMed 搜索产生了 23,306 篇文章，其中 1,612 篇被归类为成熟文章。排除后，选择了 1,226 篇文章进行最终分析。其中，来自影像专业的文章数量最多 (483)，其次是胃肠病学 (86) 和眼科学 (78)。数据类型分析显示，图像数据占主导地位，占出版物总数的 75.2%，其次是表格数据 (12.9%) 和文本数据 (11.6%)。深度学习模型被广泛使用，占所用模型的 59.8%。对于 LLM 相关的出版物，在排除后，584 篇出版物最终被归类到 26 个不同的医疗专业，并用于进一步分析。大型语言模型 (LLM) 的使用率在一般医疗专业中最高，为 20.1%，其次是外科，为 8.5%。结论：放射学、胃肠病学和心脏病学等基于图像的医疗专业多年来一直主导着医疗研究领域的 AI。未来，我们可能会看到其他医疗专业，包括教育和医疗行政领域
医疗保健中的人工智能：2023 年回顾
主要关键词
相关文件推荐
