综述：人工智能在基底细胞癌研究中的应用趋势与学术格局：文献计量学分析

《Frontiers in Oncology》：Global trends and academic landscapes of AI applications in basal cell carcinoma research: a bibliometric analysis

　　

背景：基底细胞癌（Basal cell carcinoma, BCC）是最常见的皮肤癌之一，在及时诊断和优化管理方面仍面临重大挑战。人工智能（Artificial Intelligence, AI）在改善基底细胞癌的早期检测、风险分层和治疗决策方面具有潜力。然而，该领域目前仍缺乏详细和全面的文献计量学分析。 方法：通过预定义的关键词策略，从Web of Science核心合集、Scopus和Embase数据库中检索与AI和基底细胞癌相关的出版物。导出所有相关记录，经过筛选和去重，最终纳入226篇出版物进行分析。使用VOSviewer、CiteSpace和bibliometrix R包进行文献计量学分析，以描述合作网络、引文、关键词共现模式和期刊分布特征。 结果：年发文量在2019年后显著增加，于2025年达到42篇。美国（43篇）和中国（36篇）是最高产的国家，美国也拥有最多的领先机构和作者。根据布拉德福分散定律，确定了13本核心期刊；其中，《Diagnostics》（9篇）和《Skin Research and Technology》（8篇）发文量最高。关键词分析表明，研究热点集中在深度学习驱动的皮肤镜和数字病理图像分析，主要用于基底细胞癌计算机辅助诊断中的分类和分割。 结论：自2019年以来，人工智能在基底细胞癌领域的研究迅速扩展。未来的研究应优先关注多模态人工智能系统的多中心、跨设备和跨人群验证，并将其整合到常规临床实践中，以改善基底细胞癌的早期检测和整体管理。

本文《人工智能在基底细胞癌研究中的应用趋势与学术格局：文献计量学分析》的主体部分通过系统的文献计量学方法，对人工智能在基底细胞癌领域的研究进行了全面梳理，结构严谨，分析深入。

1 引言 (Introduction)

引言部分阐明了研究的背景和动机。基底细胞癌是最常见的皮肤癌，约占非黑色素瘤皮肤癌的85%，其发病率持续上升，带来了巨大的医疗负担。虽然转移罕见且预后通常良好，但延迟诊断可能导致严重的局部组织破坏和毁容。因此，早期准确诊断至关重要。目前临床诊断主要依赖肉眼观察和皮肤镜检查，而组织病理学检查是金标准。然而，诊断准确性因医生经验而异，在初级保健中存在灵敏度较低的问题，可能导致早期癌症漏诊和不必要的活检。这些限制凸显了对客观、无创、可扩展的诊断工具的迫切需求。近年来，基于卷积神经网络的人工智能，特别是深度学习算法，在医学图像分析领域引发了快速变革。在皮肤科，人工智能模型能够从大量的临床和皮肤镜图像中自动学习，提取人眼难以辨别的细微特征，从而实现更快、更客观、更准确的皮肤病变识别与分类。随着人工智能在皮肤肿瘤学中研究的迅速扩展，把握该领域的整体结构、主要贡献者和新兴研究重点变得日益困难。文献计量学分析提供了一个量化框架，能够超越叙述性综述，描绘有影响力的工作、合作模式和新兴主题。然而，现有的皮肤科人工智能文献计量学研究主要集中在黑色素瘤，迄今为止，尚未有系统的文献计量学分析专门针对基底细胞癌的人工智能研究。因此，本研究旨在通过对人工智能相关的基底细胞癌研究进行文献计量学和可视化分析，来描述其发展趋势、热点和未来方向，以填补该领域的重大证据空白。

2 材料与方法 (Materials and methods)

2.1 数据收集与检索策略

为确保全面覆盖和数据可及性，本研究在Web of Science核心合集、Scopus和Embase三个数据库中进行系统性文献检索。构建了一个结合人工智能相关术语和基底细胞癌相关术语的通用检索框架，并针对每个数据库的语法和索引系统进行了调整。记录被限制为英文文章和综述。从三个数据库共检索到3628条记录，经合并和去重后保留1963条记录。检索和数据下载于2025年11月28日完成。

2.2 数据选择与标准化

将记录导入Zotero软件，通过标题/摘要进行筛选，必要时进行全文审查。排除标准包括：1）未同时涉及AI和基底细胞癌；2）研究对象非基底细胞癌；3）使用非人工智能技术。最终，本研究共纳入226篇出版物。在进行分析前，对数据集进行了标准化处理，以减少因作者姓名和关键词表达不一致而产生的偏倚。

2.3 文献计量学与可视化分析

使用VOSviewer 1.6.20、CiteSpace 6.3.3和R包bibliometrix 5.2.0进行分析，并使用Microsoft Excel 2024和Scimago Graphica Beta 1.0.53进行可视化。VOSviewer用于分析国家/地区、机构、作者、期刊、高被引文献和关键词。CiteSpace用于生成期刊的双图叠加和检测关键词突现。bibliometrix用于在R环境中进行全面的文献计量学分析。根据布拉德福分散定律，确定了该领域的核心期刊。

3 结果 (Results)

3.1 基本信息定量分析

最终纳入分析的226篇相关出版物包括200篇原创文章和26篇综述。最早涉及人工智能应用于基底细胞癌的文章发表于2004年。总体而言，这些研究涉及来自39个国家/地区的研究人员，包含504个机构的1472位作者，发表在全球121种不同的期刊上。

3.2 年度发文趋势

年度发文趋势显示，早期阶段发文量稀少，2015年后进入稳步增长期，2019年后进入快速扩张期，2025年达到峰值。被引分析表明，该领域的关注度受到少数高影响力文章的驱动。其中，2019年是关键转折点，该年发表的多项标志性研究为后续领域扩展提供了关键基础。

3.3 国家与地区分析

在通讯作者所属国家/地区的发文量方面，美国排名第一，其次是中国、印度、德国和韩国。美国和中国是主导国家。美国的国际合著率相对较高，而中国的国际合著率相对较低，更多依赖国内研究网络。相比之下，法国虽然发文量较少，但国际合作率极高，表现出明显的“高合作-高连通性”模式。

3.4 机构分析

分析了504个机构的发文情况。发文量前十的机构中，美国占据四席，包括发文量和被引次数均最高的纪念斯隆-凯特琳癌症中心。机构合作网络图显示，顶尖机构形成了一个高度互连的网络，主要中心之间存在密集的合作关系。

3.5 作者分析

在识别出的1472位作者中，大部分作者仅发表一篇论文，符合洛特卡定律。发文量前十的作者中，有四位作者属于同一个合作集群。这个集群主要专注于针对基底细胞癌及相关皮肤肿瘤的图像诊断人工智能研究。

3.6 期刊分析

226篇出版物发表在121种不同的期刊上。根据布拉德福分散定律，确定了13种核心期刊，它们共发表了72篇出版物。核心期刊主要位于瑞士、美国和丹麦等国，多数处于期刊引证报告的一区或二区。期刊的双图叠加分析进一步证实了该领域的多学科交叉特性，揭示了临床皮肤病学领域与方法学领域之间重要的引文流动和反馈循环。

3.7 高被引文献分析

高被引文献的主要焦点是基底细胞癌及相关皮肤肿瘤诊断中的人工智能应用。其中，七篇文献专注于基于深度学习的图像分类，使用卷积神经网络或弱监督深度学习模型对全切片图像、临床照片和皮肤镜图像进行分类，并与皮肤科医生的诊断性能进行比较。另有一篇高被引文献使用拉曼光谱结合机器学习对皮肤癌进行分类，探索“光学活检”或无创诊断途径。其余两篇分别是关于基底细胞癌管理的更新指南和关于人工智能/机器学习在社区及初级保健中进行早期皮肤癌筛查的系统综述。总体而言，高被引文献表明，该领域的当前研究主要面向深度学习驱动的皮肤肿瘤图像识别，辅以光谱学、无创诊断策略以及临床指南和证据的综合。

3.8 关键词分析

关键词共现网络分析确定了三个主要集群，分别反映了该研究领域的核心技术和应用方向。其中，关键词“深度学习”、“基底细胞癌”、“皮肤癌”、“卷积神经网络”和“人工智能”出现频率最高。该网络将“基底细胞癌”和“人工智能”与“皮肤镜检查”、“数字病理学”、“非黑色素瘤皮肤癌”、“鳞状细胞癌”和“光化性角化病”紧密联系起来，表明基底细胞癌常被置于更广泛的皮肤肿瘤鉴别诊断框架中。关键词突现分析显示，早期研究强调可行性和性能，而近期的突现则转向现实世界背景、框架级设计和规模化数据，反映出该领域正从可行性研究向更稳健、安全的临床部署扩展。

4 讨论 (Discussion)

本研究的文献计量学分析指出了该领域的关键发展特征。2019年后人工智能在基底细胞癌领域的研究显著增加，这标志着该领域进入了早期转化阶段。美国和中国的发文量领先，但合作模式不同，美国在国际合作网络中占据核心位置，而中国和印度的产出更依赖国内网络。美国的机构优势明显，作者生产力高度集中，但也存在研究网络碎片化的问题，这可能限制跨集群的知识交流和模型的泛化能力。出版物分布高度分散，但核心期刊起到了整合作用，反映了临床皮肤病学、方法论和生物医学工程等学科的交叉融合。关键词分析进一步阐明了人工智能在基底细胞癌研究中的核心主题和动态演变。当前的研究热点集中在基于深度学习的图像分类和数字病理学，关键词突现分析则表明研究前沿正从证明人工智能可行转向在多样化临床环境中实现稳健、安全的部署，并日益强调框架级设计、模态扩展和部署的鲁棒性。展望未来，人工智能在基底细胞癌的研究更可能走向融合，图像分类、分割、数字病理学和无创诊断模态正与临床数据和工作流级决策支持整合。临床上，人工智能的价值应超越良恶性鉴别，为临床路径中的关键决策点提供支持。未来的高质量研究应在方法学设计中纳入数据生成机制和标签策略，并需要强调端到端系统而非孤立的模型，以构建可临床部署的决策支持基础设施。

5 局限性 (Limitations)

本研究存在一定的局限性。尽管检索范围超出了Web of Science核心合集，但分析仅限于英文记录，可能排除了其他语言或数据库中的相关证据。分析仅限于文章和综述，排除了会议论文集。虽然对作者姓名和关键词进行了标准化，但只能减轻、无法消除碎片化偏倚。基于引文的指标存在固有的限制。人工智能领域的快速演进意味着本次分析仅捕捉了一个时间点的快照。

6 结论 (Conclusion)

本研究通过文献计量学分析，系统描绘了人工智能在基底细胞癌研究中的演变格局。自2019年以来，该领域经历了变革性增长，标志性研究表明人工智能能够达到与皮肤科医生相当的诊断准确性。美国和中国占据了大部分研究成果，美国作为合作枢纽，拥有纪念斯隆-凯特琳癌症中心等领先机构。当前的研究热点集中在深度学习驱动的病变分类和数字病理学，同时整合了反射式共聚焦显微镜和拉曼光谱等无创技术。未来的优先事项包括进行多中心外部验证以增强跨设备和跨人群的泛化性，以及深化人工智能与临床医生的合作以克服转化障碍。此文献计量学分析为设计旨在实现基底细胞癌更早发现、更精准手术规划和改善临床结局的转化性研究提供了一个参考框架。