Page 123 - 2023-06-中国全科医学

·764· http: //www.chinagp.net E-mail: zgqkyx@chinagp.net.cn February 2023, Vol.26 No.6

险、预后、表达等关键词频率相对较高（超 50 次）（图 突变、上皮组织癌、巴雷特食管癌、食管癌、乳腺癌、
7）。根据年发文量增速变化趋势，分为 2000—2016 年、 p53 等关键词中心性较高。2000—2016 年研究主要内
2017—2022 年 2 个阶段对全球食管癌领域的 AI 应用的 容为癌症诊断、鉴别、风险、表达，具体以结肠癌、胃
关键词演变过程进行分析。 肠道癌、小细胞癌、乳腺癌等癌症为中心关键词。
2.4.1 2000—2016 年 CiteSpace 最终得到 LRF=3.0， 2.4.2 2017—2022 年 CiteSpace 最终得到 LRF=3.0，
L/ N=1 0，LB Y=5，e =1.0，N=421，E =901， L/N=10，LBY=5，e=1.0，N=289，E=485，Density
Density=0.010 2 的共被引用文献网络，此时期癌症、 =0.011 7 的关键词共现网络，该期间关键词数量有所
食管癌、巴雷特食管等关键词词频高但共线关系较差。 增加且共线关系更为紧密。除食管癌、人工智能检索
风险成为除癌症类别关键词外出现的较高频次（23 次） 词出现频次高外，机器学习、深度学习、卷积神经网
的关键词（图 8）。关键词中心性 >0.10 及其词频结果
统计见表 4。结直肠癌、癌症、上皮小细胞癌、小细胞癌、

表 2 2000—2022 年全球 AI 应用于食管癌领域相关研究作者共被引
次数（前 10 位）
Table 2 Total co-citations of esophageal cancer studies using artificial
intelligence from 2000 to 2022 by author （top 10）
共被引 总被引
序 共被引作者 地区 次数 次数 中介中
号 心性
（次） （次）
1 Freddie Ian Bray 法国 89 304 0
2 Prateek Sharma 美国 87 1 907 0.04
3 Yoshimasa Horie 日本 56 691 0.04
4 Jacques Ferlay 法国 53 748 0.01
5 Jesper Lagergren 瑞典 52 1 591 0.15
6 Lambin Philippe 比利时 46 562 0.04
7 Rebecca L Siegel 美国 46 417 0 图 7 2000—2022 年全球 AI 应用于食管癌领域相关研究关键词共线
8 Hirasawa Toshiaki 日本 45 1 025 0.06 图谱 VOSviewer 可视化图（出现频率≥ 50 次）
Figure 7 VOSviewer network visualization of the collinear map of
9 Nicholas James Shaheen 美国 45 136 0.04
keywords （frequency ≥ 50） in esophageal cancer studies using artificial
10 Thomas William Rice 美国 43 1 107 0.12 intelligence from 2000 to 2022

表 3 2000—2022 年全球 AI 应用于食管癌领域相关研究共被引文献（前 10 位）
Table 3 The analysis of co-cited esophageal cancer studies using artificial intelligence from 2000 to 2022（top 10）
出版年份 共被引次
序号 文章题目 期刊名称 第一作者
（年） 数（次）
1 Global cancer statistics 2018：Globocan estimates of incidence and mortality Ca-A Cancer Journal for BRAY 2018 87
worldwide for 36 cancers in 185 countries Clinicians
2 Diagnostic outcomes of esophageal cancer by artificial intelligence using Gastrointestinal Endoscopy HORIE 2019 56
convolutional neural networks
3 Application of artificial intelligence using a convolutional neural network for Gastric Cancer HIRASAWA 2018 43
detecting gastric cancer in endoscopic images
4 Real-time automated diagnosis of precancerous lesions and early esophageal Gastrointestinal Endoscopy GUO 2019 37
squamous cell carcinoma using a deep learning model （with videos）
5 Deep-learning system detects neoplasia in patients with barrett's esophagus Gastroenterology DE GROOF 2020 32
with higher accuracy than endoscopists in a multistep training and validation
study with benchmarking
6 Endoscopic detection and differentiation of esophageal lesions using a deep Gastrointestinal Endoscopy OHMORI 2020 32
neural network
7 Using a deep learning system in endoscopy for screening of early esophageal Gastrointestinal Endoscopy CAI 2019 31
squamous cell carcinoma （with video）
8 Computer-assisted diagnosis of early esophageal squamous cell carcinoma Endoscopy ZHAO 2019 30
using narrow-band imaging magnifying endoscopy
9 Integrated genomic characterization of oesophageal carcinoma Nature KIM 2017 30
10 Cancer statistics in China，2015 Ca-A Cancer Journal for CHEN 2016 30
Clinicians