综述：人工智能在慢性疼痛中的应用：文献计量分析

《Pain Management Nursing》：Application of Artificial Intelligence in Chronic Pain: Bibliometric Analysis

本研究采用文献计量方法分析1997-2025年人工智能在慢性疼痛管理中的应用，发现美国在论文数量和引用量方面领先，研究热点集中在疼痛诊断预测、神经影像技术及移动医疗应用，但存在国际合作不足、模型临床稳定性待提升及数据隐私风险等问题。

　　

胡志平|魏俊帆|于景贤|郭玉琴|熊远芳|潘明霞|彭欢|李娜|刘汉娇

中国广州中医药大学深圳临床医学院

摘要

背景

近年来，人工智能（AI）在慢性疼痛（CP）管理领域展现出巨大潜力。AI能够优化治疗决策，提高慢性疼痛患者的生活质量，并促进医疗资源的合理分配。然而，现有的研究大多分散零散，缺乏系统性的整合与分析，尚未构建出反映整个研究现状的知识图谱。

目的

本研究旨在运用文献计量分析方法，探讨AI与慢性疼痛交叉领域的当前研究现状和热点，为该领域的研究人员提供有价值的见解。

方法

本研究以Web of Science Core Collection作为数据来源，搜索时间范围从该数据库建立至今的2025年10月。搜索范围包括Science Citation Index Expanded（SCI-EXPANDED）、Current Chemical Reactions（CCR-EXPANDED）和Index Chemicus（IC）。使用VOSviewer软件对国家、机构、期刊及作者之间的合作网络以及关键词的共现关系进行可视化分析；同时采用CiteSpace工具识别突发关键词，以揭示最新的研究趋势。

结果

经过对Web of Science Core Collection检索到的记录进行系统筛选后，最终纳入了356篇与AI和慢性疼痛相关的研究论文。这些论文来自54个国家和地区的882个机构，发表在190种期刊上，涉及2,207位作者。2018年至2025年间，相关论文数量快速增长。美国在论文数量和总引用次数方面均位居首位。在机构层面，哈佛大学是产出最多的机构；从期刊分布来看，《Pain》期刊发表的论文数量最多，获得的总引用次数也最高。关键词共现网络揭示了四个主要研究领域：慢性疼痛、机器学习、腰痛和预测。最新趋势分析表明，预测、神经网络、疼痛管理和颈痛已成为AI应用于慢性疼痛的关键研究方向。

结论

尽管AI在慢性疼痛管理中的应用已取得显著进展，但仍存在一些关键挑战，包括国家和地区间的合作不足、AI模型在临床场景中的适应性和稳定性有限，以及数据隐私和安全问题。未来的研究应积极促进国际合作，推动AI技术的跨学科整合和全球范围内的实际应用。此外，研究人员应注重提高研究的可重复性和科学严谨性，以确保其在临床实践中的广泛适用性和实际效果。

部分内容摘要

数据来源与搜索策略

Web of Science Core Collection（WoSCC）数据库是文献计量分析中最权威和最具影响力的科学文献数据库之一（Chishtie等，2019）。为确保数据的广度和深度，搜索范围涵盖了以下Web of Science核心子集：Science Citation Index Expanded（SCI-EXPANDED）、Current Chemical Reaction Index（CCR-EXPANDED）和Index Chemicus（IC）。搜索时间范围为该数据库建立以来的所有时间

论文发表数量的年度趋势

对WoSCC数据库的初步搜索共获得2,362条记录，经过文献筛选后共有356篇论文被纳入分析。图1总结了文献选择过程和研究的结构框架；图2展示了年度发表趋势。论文的年均发表量总体呈上升趋势，可分为三个阶段：1997年至2015年...

基本信息

本文旨在通过文献计量分析，探讨1997年至2025年AI在慢性疼痛领域的研究热点和发展趋势。2018年至2025年间，发表论文数量快速增长，这一持续增长反映了人们对这一领域的日益关注，可能受到技术进步、社会意识提高和资金增加的影响。

美国是全球慢性疼痛领域AI研究的领头羊。

局限性

本研究的数据仅来源于WoSCC，可能存在数据库偏差。然而，作为世界领先的多学科学术研究索引平台之一，Web of Science涵盖了12,400多种高影响力的国际期刊（Pan等，2025）。WoS索引的高质量期刊和论文为本研究提供了可靠且全面的数据支持。为确保学术文献的全面覆盖...

结论

本研究采用文献计量方法，对AI在慢性疼痛领域的研究现状进行了全面定量分析。结果表明，该领域的学术产出持续增加。美国在论文发表数量和国际合作方面处于领先地位。研究热点主要集中在AI算法在疼痛诊断和预测中的应用、神经成像技术在生物标志物识别中的应用以及移动健康技术方面。

资金情况

本研究的创建、调查和发表过程中未获得任何资助。

数据可用性

如需使用本研究生成的数据集，通讯作者将予以提供。

关于写作过程中生成式AI和AI辅助技术的声明

本文所表达的观点仅代表作者本人，并不代表其所在公司、出版商、编辑或审稿人的立场。提及产品或制造商的声明并不意味着出版商的认可或保证。

作者贡献声明

胡志平：撰写——初稿、可视化、验证、方法论设计。魏俊帆：撰写——初稿、可视化。于景贤：撰写——审稿与编辑、初稿撰写。郭玉琴：撰写——初稿。熊远芳：形式化分析。潘明霞：形式化分析、数据整理。彭欢：调查、形式化分析。李娜：概念构思。刘汉娇：项目监督与管理。

利益冲突声明

作者声明：本研究中未涉及任何可能影响研究结果公正性和客观性的财务或商业利益关系。所有作者均已阅读并同意论文发表。