由于学术论文数量巨大，很难对关于该研究领域的一般性问题提供全面的答案，例如，谁是主要作者，关于该研究主题的关键问题或见解是什么。在此基础上，我们使用 Litstudy，一个 Python 库来调查和深入了解用于结肠镜检查的人工智能（AI）学术出版物。使用“AI”和“结肠镜检查”关键词作为书目数据的搜索结果，提取并合并为 CSV 文件。下载了 5872 份书目数据，其中 3865 份来自 IEEE Xplore，2007 份来自 Springer。Scopus 产生了 5083 篇引文，而 789 篇不可用的引文被丢弃。非负矩阵分解（NMF）模型用于生成主题聚类，阈值为 0.85。结果显示，“患者”在四个主题中出现次数最多：2、3、7 和 10，我们使用主题云进一步将其可视化。令人惊讶的是，尽管使用“人工智能”关键词查询 IEEE、Springer 和 Scopus 数据库，主题 5 中的 AI 却是主题云中最模糊的词。结肠镜检查中结肠癌康复的主题 10 词聚类显示主题聚类之间的关系较弱。该项目能够选择特定的科学文章，使用自然语言处理 (NLP) 检查和可视化它们的学术贡献，进行书目网络分析，最重要的是，揭示了对结肠镜检查出版物中 AI 词聚类的见解。