蔡永蓮　彭顥舒

摘要：人工智能的學科多樣性及其融合發(fā)展趨勢，對認識學科數(shù)字化智能化發(fā)展特征、發(fā)現(xiàn)學科交叉融合發(fā)展的規(guī)律并指導相關學科領域更廣泛地數(shù)字產(chǎn)業(yè)化應用有著重要的價值和指導意義。利用LoetLeydesdorff等提出的學科多樣化測評指標體系對人工智能技術的學科融合發(fā)展態(tài)勢進行測度，并進一步分析了人工智能與生物醫(yī)藥領域的融合。發(fā)現(xiàn)：人工智能技術與 Web of Science 數(shù)據(jù)庫中其他學科領域的交叉融合在近10年隨時間加速擴展；而且在254個 WOS 的學科分類當中，有106個學科分類與人工智能領域有交叉，其中有近1/3的學科方向與生物醫(yī)藥相關。通過進一步分析和專家訪談發(fā)現(xiàn)，人工智能與生物醫(yī)藥領域的融合發(fā)展推動了數(shù)據(jù)分析預測、藥物研發(fā)與個性化醫(yī)療、醫(yī)學影像分析、基因組學和蛋白質組學研究以及健康管理和預防等領域的發(fā)展。

關鍵詞：WOS 分類；人工智能；生物醫(yī)藥；學科融合；學科多樣性

中圖分類號：TP 391文獻標志碼：A文章編號：1009?895X（2023）03?0330?07

DOI：10.13256/j.cnki.jusst.sse.230410166

The Disciplinary Diversity of Artificial Intelligence and Its Conver- gence with Biomedicine

CAI Yonglian1，PENG Haoshu2

（1. University of Shanghai for Science and Technology Office of Principal， Shanghai 200093， China;2. CASICCB Shang- hai Advance Research Institute， Chinese Academy of Sciences， Shanghai 201210， China）

Abstract：Disciplinary diversity and convergent development trends of artificial intelligence is significant for understanding the characteristics of digitalization and automation development， discovering the laws of interdisciplinary integration and guiding the broader applications in digital industrial fields. This paper choosestheevaluationindexsystemproposedbyLoetLeydesdorffetal. tomeasurethetrendof disciplinary convergence in artificial intelligence technology， and further analyze its convergence with biomedicine. The results show that cross-disciplinary integration between artificial intelligence technology and other disciplines in the Web of Science database has been expanding rapidly over the past decade， and among the 254 subject categories in the WOS， 106 subjectcategorieshaveintegrationwithartificial intelligence， of which nearly one-third are related to biomedicine. Further analysis of expert interviews indicates that the convergent development of artificial intelligence and biomedicine has promoted the such area development as data analysis and prediction， drug discovery and personalized medicine， medicalimage analysis， genomics and proteomics research， and health management and prevention. Moreover， China's institutions conducting interdisciplinary research on artificial intelligence and biomedicine are at the forefront in terms of scale.

Keywords：WOSCategories ； artificialintelligence ； biomedicine ；disciplinary integration；disciplinary diversity

第四次工業(yè)革命在中國興起，從信息化到數(shù)字化、在線化，發(fā)展到智能化、智慧化[1]。“數(shù)智化”已經(jīng)成為這個時代的重要特征，而數(shù)智化技術中最具有代表性的便是人工智能技術。人工智能是研究開發(fā)能夠模擬、延伸和擴展人類智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學[2]，從21世紀初以來經(jīng)歷了前所未有的發(fā)展，特別是2010年之后出現(xiàn)了井噴式發(fā)展。

近年來，一些針對人工智能技術多樣性的研究為掌握人工智能技術發(fā)展的規(guī)律、特點、應用和趨勢提供了有益的參考。有研究探討了人工智能學科的多樣性，包括跨學科合作、科學團隊的演化、學術出版商的影響等方面[3?4]；也有研究從不同角度探討人工智能學科多樣性必要性的觀點，包括學科交叉對話的重要性、人工智能政策和倫理等方面的討論[5?6]；還有研究對人工智能研究學科多樣性研究的方向進行探討，指出人工智能應與其他學科相互促進的同時需要不斷發(fā)展新的評估方法[7]。

人工智能在全球范圍內呈現(xiàn)出多學科交叉融合發(fā)展的趨勢，眾多研究都表明人工智能已經(jīng)廣泛融入到包括工程學、會計學、金融學、醫(yī)學、農學、圖書館學乃至音樂等在內的諸多領域。研究人工智能的學科多樣性及其與其他領域融合發(fā)展的特征具有重要的意義。本文對 WOS 數(shù)據(jù)庫中人工智能領域2011?2020年的文獻及其學科分類進行文獻計量分析，利用VOSviewer分析軟件以及Loet Ley- desdorff等提出的學科多樣化測評指標體系對人工智能技術的學科多樣性進行評估，并重點分析人工智能與生物醫(yī)藥領域的融合態(tài)勢。

一、研究方法

Andy Stirling 在其研究中將學科多樣性的3個關鍵屬性定義為豐富性（學科的數(shù)量）、均衡性（各學科分布均勻性）、離散性（學科之間差異程度）[8]。LoetLeydesdorff等則用多樣性、中心度和引文等來測度期刊的跨學科交叉度，并在2019年提出了使用包括 Rao-Stirling 多樣性、相對學科數(shù)目和基尼系數(shù)來測度學科豐富度、均勻度和差異度的三維指標[9]?？祁Ｎò苍谄洹度蜓芯繄蟾?研究布局中的學科多樣性：是什么、如何量度及其在創(chuàng)新中的作用》中，用基尼系數(shù)揭示了各國學科多樣性在創(chuàng)新研究中的作用，并指出學科多樣性能夠提供重要的創(chuàng)新優(yōu)勢[10]。黃穎等也針對各類測度跨學科特征的指標體系進行了梳理，并提出了外部知識融合、內在知識會聚與科學合作模式的跨學科三維測度體系[11]。這些工作為人工智能領域的學科融合研究提供了有益的方法。

（一）研究思路

為了更加深入、全面地洞察全球范圍內人工智能的學科多樣性及其與生物醫(yī)藥領域的融合，參考上述研究方法，本文分以下三大板塊進行分析。

第一部分，用 Web of Science 學科分類（以下簡稱 WOS 分類）中的 Computer Science， Artificial Intelligence 檢索出2011?2020年與人工智能相關的文獻數(shù)據(jù)，通過 WOS 自帶的分析功能提取出每一年度相應文獻所涉及的 WC 分類號。

第二部分，利用LoetLeydesdorff提出的學科多樣性指標體系對人工智能領域2011?2019年相關文獻的 WC 分類進行評估。該方法使用了LoetLeydesdorff提出的 wc19.exe 工具，它是基于全局學科距離的學科多樣性指標計算工具，將該工具計算出的結果在VOSViewer中進行可視化呈現(xiàn)，以獲得人工智能與生物醫(yī)藥領域融合的網(wǎng)絡圖譜。

第三部分，通過VOSViewer中人工智能相關文獻的 WC 分類聚類，進一步挖掘人工智能與生物醫(yī)藥領域的關系，利用 Derwent Data Analyzer 進一步對人工智能生物醫(yī)藥相關領域的研究方向等進行分析。

（二）數(shù)據(jù)來源及分析工具

人工智能的核心學科是計算機科學，為最大限度地避免遺漏，本文在 Web of Science（classic）核心合集數(shù)據(jù)庫中用高級檢索對 WC 分類①下的人工智能領域（WC=computer science & artificialintelli- gence）數(shù)據(jù)進行檢索。由于 WC 分類與期刊之間是多對多的關系，為研究學科融合提供了可能。將時間跨度設置為2011?2020年，然后對檢索的文獻類型選擇了 Proceedings Paper ， Article ， Editorial Material ，Review ，Early Access 進行精煉，排除了其余數(shù)量極低的文獻類型，共計得到513601篇文獻索引。

依據(jù)LoetLeydesdorff的學科多樣性測度指標體系，對人工智能領域發(fā)展的學科多樣性進行分析，并利用VOSviewer對數(shù)據(jù)所覆蓋的學科分類進行分析。LoetLeydesdorff用于評估學科交叉融合度的測度體系見表1。

二、人工智能的 WOS 學科多樣性分析

WC 是對 WOS 核心合集中的記錄來源出版物（期刊、書籍等）所進行的學科分類，同時一條記錄可以分配給多個類別。本文對所篩選數(shù)據(jù)的107個 WC 分類進行分析。

（一）人工智能文獻的 WC 分類及其發(fā)展態(tài)勢

1.人工智能學科2011?2020年出版文獻的 WC 分類分布

通過 WOS 自帶的引文分析功能可以看到，在 WC 分類下的254個學科中，人工智能與其他106個 WC 學科形成了交叉融合，包括工程學科、醫(yī)學學科、自然科學、社會科學和交叉學科，說明整體上人工智能已經(jīng)較為廣泛地向其他學科滲透。學科融合最緊密的前十位學科包括電子電氣工程、計算機科學理論方法、計算機科學信息系統(tǒng)、計算機科學多學科應用、自動化控制系統(tǒng)、機器人、計算機軟件工程、計算機科學控制論、成像科學攝影技術以及運籌學管理科學。此外，人工智能融合度最高的學科主要分布在工程學和生物醫(yī)藥領域。

2.人工智能文獻的 WC 分類發(fā)展趨勢變化分析

（1）人工智能領域文獻所覆蓋的 WC 分類隨時間變化趨勢

將人工智能領域2011?2020年文獻數(shù)據(jù)的 WC 分類數(shù)量按照年度進行統(tǒng)計，結果見圖1。由圖1可以看出，人工智能領域文獻的 WC 分類數(shù)量隨著年度變化整體呈現(xiàn)上升的趨勢。在2011?2015年期間，WC 分類數(shù)量基本在40左右徘徊，此時的人工智能與不同學科的融合態(tài)勢較為平穩(wěn)；而在2016?2019年期間，數(shù)量連續(xù)增加，說明與人工智能交叉融合的學科呈現(xiàn)擴散的態(tài)勢，學科融合整體上是不斷擴大和深化的。

（2）人工智能領域文獻所覆蓋的 WOS 學科分類與其他學科融合的擴散趨勢

對人工智能領域2011?2020年間的文獻就每年新增的 WC 分類進行總結，結果如表2所示。

通過對2011?2020年間人工智能領域文獻的 WC 分類變化分析，可以發(fā)現(xiàn)人工智能與其他學科的融合在初期主要發(fā)生在工程學、自然學科領域；2011?2015年間的學科融合發(fā)展比較平穩(wěn)，主要向社會科學、生命科學、醫(yī)學等領域擴散；2016?2020年間，人工智能領域發(fā)展進入新的高峰，文獻覆蓋的 WC 分類大幅增長，并且重點向生物醫(yī)藥、熱門自然科學領域融合，同時在社會科學、藝術學領域的學科融合呈現(xiàn)加速趨勢。

（二）人工智能學科分類的學科多樣性評估

1.學科豐富度、均勻度和差異度三維指標評估

為了考察人工智能領域的學科多樣性，更好地觀察和分析這些學科分類與人工智能的關系，本文采用LoetLeydesdorff開發(fā)的學科多樣性測度工具 WC19.exe ，在剔除 Computer Science ，Artificial In- telligence這個分類后，對人工智能領域2011年?2019年②文獻的 WOS 分類進行分析，并用 VOS- viewer 對上述與人工智能相關的學科分類進行可視化處理，獲得相關學科分類之間的網(wǎng)絡圖譜，利用上述數(shù)據(jù)，根據(jù)LoetLeydesdorffe的學科多樣性指標，得到的計算結果如表3所示。

從表3數(shù)據(jù)可以看出，與人工智能領域交叉融合的其他學科分布廣泛，但均勻度較低，在工程、醫(yī)學等領域的交叉程度高，在社會科學等領域的交叉呈星星之火的態(tài)勢。這也印證了前述學科分類總體覆蓋和分部情況的統(tǒng)計結果，相融合的學科之間差異度相對較高。

2.基于文獻的人工智能與 WC 分類融合聚類

將上述數(shù)據(jù)導入VOSviewer，我們還可以得出與人工智能相關的學科分類形成了四個聚類：一是在工程、化學、材料、物理學、數(shù)學和計算機交叉學科等自然科學領域；二是生物醫(yī)藥類的相關學科和跨學科研究領域；三是聚類涵蓋了經(jīng)濟、商業(yè)、歷史、人口、社會科學、心理學、城市規(guī)劃、發(fā)展學等人文社科類學科；四是涵蓋了音樂、動物學、植物學、海洋、土壤等跟人工智能的學科距離更遠的分類。

生物醫(yī)藥領域是與人工智能融合發(fā)展的重要領域，也是對人類社會影響深遠的領域，研究人工智能與生物醫(yī)藥領域融合發(fā)展趨勢有利于推動醫(yī)療模式創(chuàng)新，提升醫(yī)療質量和安全性，加速新藥研發(fā)和藥物篩選，以及實現(xiàn)智能健康管理和預防。因此，本文將對人工智能與生物醫(yī)藥領域的學科融合發(fā)展進行進一步的分析。

三、人工智能與生物醫(yī)藥領域的學科融合及其應用

（一）人工智能技術與生物醫(yī)藥的學科融合發(fā)展態(tài)勢

進一步聚焦到生物醫(yī)藥聚類，分析人工智能技術與生物醫(yī)藥領域學科交叉的發(fā)展情況，可以發(fā)現(xiàn)以下發(fā)展態(tài)勢。

（1）人工智能技術與生物醫(yī)藥領域的融合涉及面廣泛。2010年以來，人工智能在生物醫(yī)藥領域的融合發(fā)展越來越突出，并推動了精準醫(yī)學的發(fā)展。通過整合多種數(shù)據(jù)源，包括基因組數(shù)據(jù)、臨床數(shù)據(jù)、生活習慣數(shù)據(jù)等，人工智能可以提供更加個性化和精準的醫(yī)療方案。此外，人工智能在藥物研發(fā)、醫(yī)學影像解讀和基因編輯等方面也取得了重大進展。

（2）人工智能技術與生物醫(yī)藥領域的交叉融合節(jié)點不斷增加，說明相關的學科分類及在這些分類下的成果（文獻）在不斷增加，且2016年后融合的速度在加快。

（3）人工智能技術與生物醫(yī)藥學科的融合從工程生物醫(yī)學、計算生物學、生物學、放射醫(yī)學、神經(jīng)科學、醫(yī)學信息學等生物醫(yī)藥領域生命周期偏早期的研究學科逐步擴展到神經(jīng)影像、健康醫(yī)學服務、手術、運動醫(yī)學、行為科學、康復科學、腫瘤醫(yī)學、醫(yī)學實驗室技術等應用領域。即人工智能為生物醫(yī)藥相關學科的智能化發(fā)展，從基礎研究到應用開發(fā)提供了強大的方法和工具，推動著生物醫(yī)藥領域的變革。

（二）人工智能技術與生物醫(yī)藥學科融合的文獻計量分析

將前述2011?2020年間人工智能領域的文獻數(shù)據(jù)導入 Derwent Data Analyzer 進行分析可以發(fā)現(xiàn)，統(tǒng)計“研究方向③”字段中的“生命科學與生物醫(yī)學”領域相關文獻，發(fā)現(xiàn)屬于該方向的文獻涉及的研究方向分類包括21個，占到了整體數(shù)據(jù)所涉及的總體66個研究分類的近30%，足見人工智能與生物醫(yī)藥領域已經(jīng)產(chǎn)生了深度的交叉融合。從中還可以看出，在生命科學與生物醫(yī)學分類下，農業(yè)、行為科學、腫瘤學、醫(yī)學信息學、醫(yī)學實驗室技術、數(shù)學和計算生物學、神經(jīng)科學和神經(jīng)病學、公共事業(yè)、環(huán)境和職業(yè)健康、放射學、核醫(yī)學和醫(yī)學成像、康復、研究和試驗醫(yī)學、生物化學與分子生物學、生物物理學、生物工程學和應用微生物學、心血管系統(tǒng)和心臟病學、老年病學和老年醫(yī)學、衛(wèi)生保健科學和服務、整形外科以及運動科學等學科，都應用到了人工智能的技術，并且相互之間也存在交叉融合。

在人工智能和生物醫(yī)藥交叉的研究領域中各生物醫(yī)藥相關學科發(fā)文的多寡如圖2所示。其中神經(jīng)科學、放射學、核醫(yī)學和醫(yī)學成像、數(shù)學與計算生物學以及醫(yī)學信息學等領域的研究活動積累最多。神經(jīng)科學與人工智能的交叉研究非?；钴S。這涉及到將人工智能技術應用于神經(jīng)系統(tǒng)的研究，例如腦機接口、神經(jīng)網(wǎng)絡模型等。其次，人工智能在醫(yī)學圖像分析、疾病診斷和影像重建等方面發(fā)揮著關鍵作用；數(shù)學和計算生物學與人工智能交叉的研究主要包括利用數(shù)學模型和計算方法來研究生物系統(tǒng)、模擬分子交互以及分析大規(guī)模生物數(shù)據(jù)等，醫(yī)學信息學與人工智能的結合有助于數(shù)據(jù)管理、臨床決策支持和健康信息系統(tǒng)等方面的研究。此外，腫瘤、農業(yè)、運動科學、生物物理等領域的人工智能交叉研究剛剛起步。

為更好地理解人工智能技術對上述領域的發(fā)展有哪些促進和創(chuàng)新，本文基于上述分析結果，通過專家訪談，總結出人工智能促進生物醫(yī)藥領域發(fā)展的以下五個重大方向。

（1）數(shù)據(jù)分析與預測：人工智能可以處理和分析大規(guī)模的生物醫(yī)學數(shù)據(jù)，如基因組數(shù)據(jù)、生物標記物數(shù)據(jù)和醫(yī)學影像數(shù)據(jù)，從中挖掘出有價值的信息，用于疾病預測、診斷和治療的決策支持。相關技術包括機器學習、深度學習、數(shù)據(jù)挖掘等。

（2）藥物研發(fā)與個性化醫(yī)療：人工智能可以加速藥物研發(fā)過程，通過虛擬篩選、藥物設計和優(yōu)化等技術，提高新藥研發(fā)的效率和成功率。同時，結合個體化的基因組信息和臨床數(shù)據(jù)，可以為患者提供個性化的醫(yī)療方案和治療策略。

（3）醫(yī)學影像分析：人工智能可以自動識別和分析醫(yī)學影像數(shù)據(jù)，如 CT 掃描、MRI 等，用于疾病的早期檢測和診斷。深度學習和計算機視覺等技術在醫(yī)學影像分析中得到廣泛應用。

（4）基因組學和蛋白質組學研究：人工智能可以處理大規(guī)模的基因組學和蛋白質組學數(shù)據(jù)，如基因表達數(shù)據(jù)、基因變異數(shù)據(jù)和蛋白質相互作用網(wǎng)絡等，幫助揭示基因與疾病之間的關聯(lián)，探索新的治療靶點和生物標記物。

（5）健康管理和預防：人工智能技術在生命科學與生物醫(yī)學領域的應用可以幫助實現(xiàn)智能健康管理和預防。通過傳感器技術和大數(shù)據(jù)分析，可以實時監(jiān)測個體的健康狀態(tài)，并提供個性化的健康管理和預防方案。這涉及到不同學科的專家，如行為科學、公共衛(wèi)生等，共同利用人工智能技術來改善人們的生活方式和預防疾病的發(fā)生。

四、結語

本文采用LoetLeydesdorff的學科多樣性測度指標體系，通過分析不同學科的綜合豐富度、均勻度和差異度，利用 Web of Science 的數(shù)據(jù)，測度了人工智能的學科多樣性以及與其他學科融合發(fā)展的趨勢特點，并結合專家意見以及VOSviewer等工具重點分析了人工智能技術與生物醫(yī)藥領域的融合發(fā)展現(xiàn)狀。

從本文的研究結果所看到的人工智能與生物醫(yī)藥領域融合發(fā)展的趨勢和特征，與專家訪談及相關文獻中提及的二者的發(fā)展趨勢特征整體吻合，說明了LoetLeydesdorff的學科多樣性測度指標體系的有效性和可行性。

此外，本研究為理解人工智能技術的學科融合，特別是與生物醫(yī)藥相關領域的融合發(fā)展提供了一個新的視角。在數(shù)據(jù)的選擇、評估方法的綜合使用等方面，未來的研究會考慮納入會議論文和專利等數(shù)據(jù)，基于本研究的結果進一步探索如何最大程度地發(fā)揮人工智能在生物醫(yī)藥領域的潛力。

參考文獻：

［1］肖利華.新零售的未來如何用數(shù)智驅動新增長[J].數(shù)字經(jīng)濟， 2021（3）：48?51.

［2］趙楠， 譚惠文.人工智能技術的發(fā)展及應用分析[J].中國電子科學研究院學報， 2021，16（7）：737?740.

［3］CARLEY K M， PORTER A L， RAFOLS I. The role of translationalresearchinartificialintelligence：a scientometricanalysis[J]. JournalofTranslational Medicine， 2017，15（1）：42.

［4］B?RNERK， SCHARNHORSTA， DIESNERJ. Artificial intelligence for global science of science[J]. Scientometrics， 2018，114（2）：867?874.

［5］B?RNERK， SCHARNHORSTA， CHALUPSKYH. Datascience，machinelearning，andartificial intelligence：acallforabroaderdialogue[J].Proceedings of the National Academy of Sciences， 2019，116（20）：9757?9759.

［6］CALO R. Artificial intelligence policy： A primer and roadmap[J]. SSRN Electronic Journal， 2017， 51（2）：409?410.

［7］KUSTERS R， MISEVIC D， BERRY H， et al. Interdisciplinary research in artificial intelligence： challenges and opportunities[J]. Frontiers in Big Data， 2020，3：577974.

［8］Andy Striling. Multicriteria diversity analysis： A novel heuristic framework for appraising energy portfolios[J]. Energy Policy， 2010，38（4）：1622?1634.

［9］LEYDESDORFF L， WAGNER C S， BORNMANN L. Interdisciplinarity as diversity in citation patterns among journals： Rao-Stirling diversity， relative variety， and the Gini coefficient[J]. Journal of Informetrics， 2019， 13（1）：255?269

［10］張雪， 張志強.科睿唯安《全球研究報告》揭示學科多樣性在創(chuàng)新研究中的作用[EB/OL].（2021-10-05）[2023-02-06]. https：//mp.weixin.qq.com/s/HmIsF9XRG KP0HxM333hDJw.

［11］黃穎， 張琳， 孫蓓蓓， 等.跨學科的三維測度?外部知識融合、內在知識會聚與科學合作模式[J].科學學研究， 2019，37（1）：25?35.

（編輯：程愛婕）