蔡永蓮　彭顥舒

摘要：人工智能的學(xué)科多樣性及其融合發(fā)展趨勢，對認(rèn)識學(xué)科數(shù)字化智能化發(fā)展特征、發(fā)現(xiàn)學(xué)科交叉融合發(fā)展的規(guī)律并指導(dǎo)相關(guān)學(xué)科領(lǐng)域更廣泛地數(shù)字產(chǎn)業(yè)化應(yīng)用有著重要的價值和指導(dǎo)意義。利用LoetLeydesdorff等提出的學(xué)科多樣化測評指標(biāo)體系對人工智能技術(shù)的學(xué)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(lǐng)域的融合。發(fā)現(xiàn)：人工智能技術(shù)與 Web of Science 數(shù)據(jù)庫中其他學(xué)科領(lǐng)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(xué)科分類當(dāng)中，有106個學(xué)科分類與人工智能領(lǐng)域有交叉，其中有近1/3的學(xué)科方向與生物醫(yī)藥相關(guān)。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(lǐng)域的融合發(fā)展推動了數(shù)據(jù)分析預(yù)測、藥物研發(fā)與個性化醫(yī)療、醫(yī)學(xué)影像分析、基因組學(xué)和蛋白質(zhì)組學(xué)研究以及健康管理和預(yù)防等領(lǐng)域的發(fā)展。

關(guān)鍵詞：WOS 分類；人工智能；生物醫(yī)藥；學(xué)科融合；學(xué)科多樣性

中圖分類號：TP 391文獻標(biāo)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(shù)中最具有代表性的便是人工智能技術(shù)。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(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)[2]，從21世紀(jì)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(shù)多樣性的研究為掌握人工智能技術(shù)發(fā)展的規(guī)律、特點、應(yīng)用和趨勢提供了有益的參考。有研究探討了人工智能學(xué)科的多樣性，包括跨學(xué)科合作、科學(xué)團隊的演化、學(xué)術(shù)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(xué)科多樣性必要性的觀點，包括學(xué)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(xué)科多樣性研究的方向進行探討，指出人工智能應(yīng)與其他學(xué)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(nèi)呈現(xiàn)出多學(xué)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(xué)、會計學(xué)、金融學(xué)、醫(yī)學(xué)、農(nóng)學(xué)、圖書館學(xué)乃至音樂等在內(nèi)的諸多領(lǐng)域。研究人工智能的學(xué)科多樣性及其與其他領(lǐng)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(lǐng)域2011?2020年的文獻及其學(xué)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(xué)科多樣化測評指標(biāo)體系對人工智能技術(shù)的學(xué)科多樣性進行評估，并重點分析人工智能與生物醫(yī)藥領(lǐng)域的融合態(tài)勢。

一、研究方法

Andy Stirling 在其研究中將學(xué)科多樣性的3個關(guān)鍵屬性定義為豐富性（學(xué)科的數(shù)量）、均衡性（各學(xué)科分布均勻性）、離散性（學(xué)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(xué)科交叉度，并在2019年提出了使用包括 Rao-Stirling 多樣性、相對學(xué)科數(shù)目和基尼系數(shù)來測度學(xué)科豐富度、均勻度和差異度的三維指標(biāo)[9]?？祁Ｎò苍谄洹度蜓芯繄蟾?研究布局中的學(xué)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(xué)科多樣性在創(chuàng)新研究中的作用，并指出學(xué)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(xué)科特征的指標(biāo)體系進行了梳理，并提出了外部知識融合、內(nèi)在知識會聚與科學(xué)合作模式的跨學(xué)科三維測度體系[11]。這些工作為人工智能領(lǐng)域的學(xué)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(nèi)人工智能的學(xué)科多樣性及其與生物醫(yī)藥領(lǐng)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(xué)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(guān)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(yīng)文獻所涉及的 WC 分類號。

第二部分，利用LoetLeydesdorff提出的學(xué)科多樣性指標(biāo)體系對人工智能領(lǐng)域2011?2019年相關(guān)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(xué)科距離的學(xué)科多樣性指標(biāo)計算工具，將該工具計算出的結(jié)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(lǐng)域融合的網(wǎng)絡(luò)圖譜。

第三部分，通過VOSViewer中人工智能相關(guān)文獻的 WC 分類聚類，進一步挖掘人工智能與生物醫(yī)藥領(lǐng)域的關(guān)系，利用 Derwent Data Analyzer 進一步對人工智能生物醫(yī)藥相關(guān)領(lǐng)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(xué)科是計算機科學(xué)，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(lǐng)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(guān)系，為研究學(xué)科融合提供了可能。將時間跨度設(shè)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(xué)科多樣性測度指標(biāo)體系，對人工智能領(lǐng)域發(fā)展的學(xué)科多樣性進行分析，并利用VOSviewer對數(shù)據(jù)所覆蓋的學(xué)科分類進行分析。LoetLeydesdorff用于評估學(xué)科交叉融合度的測度體系見表1。

二、人工智能的 WOS 學(xué)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(xué)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(xué)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(xué)科中，人工智能與其他106個 WC 學(xué)科形成了交叉融合，包括工程學(xué)科、醫(yī)學(xué)學(xué)科、自然科學(xué)、社會科學(xué)和交叉學(xué)科，說明整體上人工智能已經(jīng)較為廣泛地向其他學(xué)科滲透。學(xué)科融合最緊密的前十位學(xué)科包括電子電氣工程、計算機科學(xué)理論方法、計算機科學(xué)信息系統(tǒng)、計算機科學(xué)多學(xué)科應(yīng)用、自動化控制系統(tǒng)、機器人、計算機軟件工程、計算機科學(xué)控制論、成像科學(xué)攝影技術(shù)以及運籌學(xué)管理科學(xué)。此外，人工智能融合度最高的學(xué)科主要分布在工程學(xué)和生物醫(yī)藥領(lǐng)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(lǐng)域文獻所覆蓋的 WC 分類隨時間變化趨勢

將人工智能領(lǐng)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(jié)果見圖1。由圖1可以看出，人工智能領(lǐng)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(xué)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(xué)科呈現(xiàn)擴散的態(tài)勢，學(xué)科融合整體上是不斷擴大和深化的。

（2）人工智能領(lǐng)域文獻所覆蓋的 WOS 學(xué)科分類與其他學(xué)科融合的擴散趨勢

對人工智能領(lǐng)域2011?2020年間的文獻就每年新增的 WC 分類進行總結(jié)，結(jié)果如表2所示。

通過對2011?2020年間人工智能領(lǐng)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(xué)科的融合在初期主要發(fā)生在工程學(xué)、自然學(xué)科領(lǐng)域；2011?2015年間的學(xué)科融合發(fā)展比較平穩(wěn)，主要向社會科學(xué)、生命科學(xué)、醫(yī)學(xué)等領(lǐng)域擴散；2016?2020年間，人工智能領(lǐng)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(xué)領(lǐng)域融合，同時在社會科學(xué)、藝術(shù)學(xué)領(lǐng)域的學(xué)科融合呈現(xiàn)加速趨勢。

（二）人工智能學(xué)科分類的學(xué)科多樣性評估

1.學(xué)科豐富度、均勻度和差異度三維指標(biāo)評估

為了考察人工智能領(lǐng)域的學(xué)科多樣性，更好地觀察和分析這些學(xué)科分類與人工智能的關(guān)系，本文采用LoetLeydesdorff開發(fā)的學(xué)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(lǐng)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(guān)的學(xué)科分類進行可視化處理，獲得相關(guān)學(xué)科分類之間的網(wǎng)絡(luò)圖譜，利用上述數(shù)據(jù)，根據(jù)LoetLeydesdorffe的學(xué)科多樣性指標(biāo)，得到的計算結(jié)果如表3所示。

從表3數(shù)據(jù)可以看出，與人工智能領(lǐng)域交叉融合的其他學(xué)科分布廣泛，但均勻度較低，在工程、醫(yī)學(xué)等領(lǐng)域的交叉程度高，在社會科學(xué)等領(lǐng)域的交叉呈星星之火的態(tài)勢。這也印證了前述學(xué)科分類總體覆蓋和分部情況的統(tǒng)計結(jié)果，相融合的學(xué)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(dǎo)入VOSviewer，我們還可以得出與人工智能相關(guān)的學(xué)科分類形成了四個聚類：一是在工程、化學(xué)、材料、物理學(xué)、數(shù)學(xué)和計算機交叉學(xué)科等自然科學(xué)領(lǐng)域；二是生物醫(yī)藥類的相關(guān)學(xué)科和跨學(xué)科研究領(lǐng)域；三是聚類涵蓋了經(jīng)濟、商業(yè)、歷史、人口、社會科學(xué)、心理學(xué)、城市規(guī)劃、發(fā)展學(xué)等人文社科類學(xué)科；四是涵蓋了音樂、動物學(xué)、植物學(xué)、海洋、土壤等跟人工智能的學(xué)科距離更遠的分類。

生物醫(yī)藥領(lǐng)域是與人工智能融合發(fā)展的重要領(lǐng)域，也是對人類社會影響深遠的領(lǐng)域，研究人工智能與生物醫(yī)藥領(lǐng)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(zhì)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(yù)防。因此，本文將對人工智能與生物醫(yī)藥領(lǐng)域的學(xué)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(lǐng)域的學(xué)科融合及其應(yīng)用

（一）人工智能技術(shù)與生物醫(yī)藥的學(xué)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(shù)與生物醫(yī)藥領(lǐng)域?qū)W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(shù)與生物醫(yī)藥領(lǐng)域的融合涉及面廣泛。2010年以來，人工智能在生物醫(yī)藥領(lǐng)域的融合發(fā)展越來越突出，并推動了精準(zhǔn)醫(yī)學(xué)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(xí)慣數(shù)據(jù)等，人工智能可以提供更加個性化和精準(zhǔn)的醫(yī)療方案。此外，人工智能在藥物研發(fā)、醫(yī)學(xué)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(shù)與生物醫(yī)藥領(lǐng)域的交叉融合節(jié)點不斷增加，說明相關(guān)的學(xué)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(shù)與生物醫(yī)藥學(xué)科的融合從工程生物醫(yī)學(xué)、計算生物學(xué)、生物學(xué)、放射醫(yī)學(xué)、神經(jīng)科學(xué)、醫(yī)學(xué)信息學(xué)等生物醫(yī)藥領(lǐng)域生命周期偏早期的研究學(xué)科逐步擴展到神經(jīng)影像、健康醫(yī)學(xué)服務(wù)、手術(shù)、運動醫(yī)學(xué)、行為科學(xué)、康復(fù)科學(xué)、腫瘤醫(yī)學(xué)、醫(yī)學(xué)實驗室技術(shù)等應(yīng)用領(lǐng)域。即人工智能為生物醫(yī)藥相關(guān)學(xué)科的智能化發(fā)展，從基礎(chǔ)研究到應(yīng)用開發(fā)提供了強大的方法和工具，推動著生物醫(yī)藥領(lǐng)域的變革。

（二）人工智能技術(shù)與生物醫(yī)藥學(xué)科融合的文獻計量分析

將前述2011?2020年間人工智能領(lǐng)域的文獻數(shù)據(jù)導(dǎo)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(xué)與生物醫(yī)學(xué)”領(lǐng)域相關(guān)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(lǐng)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(xué)與生物醫(yī)學(xué)分類下，農(nóng)業(yè)、行為科學(xué)、腫瘤學(xué)、醫(yī)學(xué)信息學(xué)、醫(yī)學(xué)實驗室技術(shù)、數(shù)學(xué)和計算生物學(xué)、神經(jīng)科學(xué)和神經(jīng)病學(xué)、公共事業(yè)、環(huán)境和職業(yè)健康、放射學(xué)、核醫(yī)學(xué)和醫(yī)學(xué)成像、康復(fù)、研究和試驗醫(yī)學(xué)、生物化學(xué)與分子生物學(xué)、生物物理學(xué)、生物工程學(xué)和應(yīng)用微生物學(xué)、心血管系統(tǒng)和心臟病學(xué)、老年病學(xué)和老年醫(yī)學(xué)、衛(wèi)生保健科學(xué)和服務(wù)、整形外科以及運動科學(xué)等學(xué)科，都應(yīng)用到了人工智能的技術(shù)，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(lǐng)域中各生物醫(yī)藥相關(guān)學(xué)科發(fā)文的多寡如圖2所示。其中神經(jīng)科學(xué)、放射學(xué)、核醫(yī)學(xué)和醫(yī)學(xué)成像、數(shù)學(xué)與計算生物學(xué)以及醫(yī)學(xué)信息學(xué)等領(lǐng)域的研究活動積累最多。神經(jīng)科學(xué)與人工智能的交叉研究非?；钴S。這涉及到將人工智能技術(shù)應(yīng)用于神經(jīng)系統(tǒng)的研究，例如腦機接口、神經(jīng)網(wǎng)絡(luò)模型等。其次，人工智能在醫(yī)學(xué)圖像分析、疾病診斷和影像重建等方面發(fā)揮著關(guān)鍵作用；數(shù)學(xué)和計算生物學(xué)與人工智能交叉的研究主要包括利用數(shù)學(xué)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(xué)信息學(xué)與人工智能的結(jié)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(nóng)業(yè)、運動科學(xué)、生物物理等領(lǐng)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(shù)對上述領(lǐng)域的發(fā)展有哪些促進和創(chuàng)新，本文基于上述分析結(jié)果，通過專家訪談，總結(jié)出人工智能促進生物醫(yī)藥領(lǐng)域發(fā)展的以下五個重大方向。

（1）數(shù)據(jù)分析與預(yù)測：人工智能可以處理和分析大規(guī)模的生物醫(yī)學(xué)數(shù)據(jù)，如基因組數(shù)據(jù)、生物標(biāo)記物數(shù)據(jù)和醫(yī)學(xué)影像數(shù)據(jù)，從中挖掘出有價值的信息，用于疾病預(yù)測、診斷和治療的決策支持。相關(guān)技術(shù)包括機器學(xué)習(xí)、深度學(xué)習(xí)、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(shè)計和優(yōu)化等技術(shù)，提高新藥研發(fā)的效率和成功率。同時，結(jié)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(xué)影像分析：人工智能可以自動識別和分析醫(yī)學(xué)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(xué)習(xí)和計算機視覺等技術(shù)在醫(yī)學(xué)影像分析中得到廣泛應(yīng)用。

（4）基因組學(xué)和蛋白質(zhì)組學(xué)研究：人工智能可以處理大規(guī)模的基因組學(xué)和蛋白質(zhì)組學(xué)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(zhì)相互作用網(wǎng)絡(luò)等，幫助揭示基因與疾病之間的關(guān)聯(lián)，探索新的治療靶點和生物標(biāo)記物。

（5）健康管理和預(yù)防：人工智能技術(shù)在生命科學(xué)與生物醫(yī)學(xué)領(lǐng)域的應(yīng)用可以幫助實現(xiàn)智能健康管理和預(yù)防。通過傳感器技術(shù)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(yù)防方案。這涉及到不同學(xué)科的專家，如行為科學(xué)、公共衛(wèi)生等，共同利用人工智能技術(shù)來改善人們的生活方式和預(yù)防疾病的發(fā)生。

四、結(jié)語

本文采用LoetLeydesdorff的學(xué)科多樣性測度指標(biāo)體系，通過分析不同學(xué)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(xué)科多樣性以及與其他學(xué)科融合發(fā)展的趨勢特點，并結(jié)合專家意見以及VOSviewer等工具重點分析了人工智能技術(shù)與生物醫(yī)藥領(lǐng)域的融合發(fā)展現(xiàn)狀。

從本文的研究結(jié)果所看到的人工智能與生物醫(yī)藥領(lǐng)域融合發(fā)展的趨勢和特征，與專家訪談及相關(guān)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(xué)科多樣性測度指標(biāo)體系的有效性和可行性。

此外，本研究為理解人工智能技術(shù)的學(xué)科融合，特別是與生物醫(yī)藥相關(guān)領(lǐng)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(jié)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(lǐng)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(qū)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(shù)的發(fā)展及應(yīng)用分析[J].中國電子科學(xué)研究院學(xué)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(xué)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(xué)科的三維測度?外部知識融合、內(nèi)在知識會聚與科學(xué)合作模式[J].科學(xué)學(xué)研究， 2019，37（1）：25?35.

（編輯：程愛婕）