欢迎访问《中国医药导报》编辑部！

数智化赋能基层医疗卫生服务是指通过数字化与智能化技术提升基层医疗服务效率与质量，实现医疗资源高效配置和健康管理精准化。而目前基层慢性病管理缺乏全链条服务模式，仅覆盖疾病治疗环节，未形成预防、诊疗、康复、健康管理的体系化应用生态；技术应用深度不足，数据价值挖掘不够充分。发展人工智能是增进人民福祉的有力抓手，在医疗领域，人工智能辅助诊断系统能够快速准确地识别疾病，助力医师作出更科学的治疗决策，提高医疗服务的可及性和质量[1]。党和国家高度重视基层医疗卫生工作，党的二十届三中全会通过的《中共中央关于进一步全面深化改革、推进中国式现代化的决定》[2]提出，“促进优质医疗资源扩容下沉和区域均衡布局，加快建设分级诊疗体系，推进紧密型医联体建设，强化基层医疗卫生服务”，为进一步推进分级诊疗体系建设指明了方向、提出了明确要求。2023年12月29日国家卫生健康委员会印发《关于全面推进紧密型县域医疗卫生共同体建设的指导意见》[3]中提到要统一县域医共体内信息系统，加强数据互通共享和业务协同，推动人工智能辅助诊断技术在县域医共体内的应用，开展相关研究对提升基层医疗卫生服务能力、优化资源配置、提升服务体系效能具有积极意义。

基层医疗卫生服务是指以满足居民基本医疗卫生服务需求为目的，以居民日常生活的乡村或社区为主要服务范围，以条件较好的基层医疗卫生服务机构为主体，融“预防、医疗、保健、康复、计生服务、健康教育和促进”为一体的有效、方便、廉价、综合、连续的医疗卫生服务，主要包括基本医疗服务和公共卫生服务，是实现人人享有初级卫生保健目标的基本环节，“强基层”被视为新医改的突破口。伴随着大数据、人工智能、数字技术等新一代信息技术的持续发展，数字智能化发展趋势愈加明显，数智化是数据化与智能化的融合与应用，通过运用数字与智能技术，实现数智化的管理与分析，因此数智化是数字化与智能化的升级与再配置；而数字化赋能的本质是通过大数据、人工智能等数字技术对赋能对象进行能力提升与价值再创造。

本研究通过CiteSpace 6.3.R3与NoteExpress分析软件，对数智化赋能基层医疗卫生服务近十年的相关文献进行计量学分析，总结该领域研究的方向并展望预测国内外未来研究的热点[4-14]。

1 资料与方法

1.1 资料来源

①万方数据知识服务平台：设置题名或关键词检索（精确）：“人工智能” AND “全科医疗”；时间为2015年1月至2025年3月，选中期刊论文进行检索；设置主题检索（精确）：“人工智能” AND “医疗” AND “基层，时间与检索条件同上。②中国知网：设置主题词检索：“人工智能+人工智能技术” AND主题词“基层医疗+基层医疗卫生服务”“大数据+大数据技术” AND主题词“基层医疗+基层医疗卫生服务”“数字技术+数字技术赋能” AND主题词“基层医疗+基层医疗卫生服务”；时间为2015年1月至2025年3月，设置条件精准检索，仅看有全文，同义词扩展，全部期刊。③维普网：设置题名或关键词检索：“人工智能”（精准检索）AND “初级卫生保健”（精准检索）OR “人工智能” AND “社区卫生服务”“人工智能” AND “全科医生”“人工智能” AND “基层医疗”；时间设置为2015年1月至2025年3月，检索条件为全部期刊，学科分类为医药卫生。

1.2 研究方法

将3个数据库检索到的文献以NoteExpress格式录入NoteExpress系统进行筛选与清洗，包括剔除重复、无作者和年限的文献，得到最终文献，符合CiteSpace文献数量分析要求。将文献从NoteExpress导出为txt格式，以记事本方式打开，将DS后的万方数据知识服务平台、维普网全部替换为中国知网，点击文件另存为，选择编码UTF-8保存，分别建立文件夹input、output、data、project，将导出的txt文件命名为download_01.txt放入input文件夹，导入CiteSpace 6.3.R3软件进行分析，时间设置为2015年1月至2025年3月，时间段为1年，参数K值为25。在合作网络分析中聚类模块值（Q值）的取值范围为0～＜1，当Q值＞0.3时，意味着划分出来的社团结构是显著的，而聚类平均轮廓值（S值）用来划分节点之间的相似性，计算依赖于节点之间的共引次数。具体来说，如果一个节点与另一节点在共引网络上共享了大量的共同引用，那么两个节点之间的S值就会较高[15]。

2 结果

2.1 文献检索情况

初步筛选得到746篇文献，最终纳入510篇文献。见图1。

2.2 年发文量统计

2015—2021年发文量逐年递增，2021年发文量最高为81篇，2021—2022年发文量有所回落，2022年66篇，2023年增加到85篇，2024年76篇，2023年相比2021年增加4篇，2023—2025年3月发文量有所回落，因检索时间到2025年3月，故该年度统计文献数量为不完全统计值。见图2。

2.3 作者合作网络分析

在发文作者统计图中，姓名显示越明显说明发文量越多，排名在前4位的分别为刘洪臣（6篇）、顾晓松（5篇）、房梦雅（4篇）、梁万年（4篇），见图3。在图4的作者合作网络共现中可以看出，作者之间的连接比较发散，S值为0.241 4，小于0.5；Q值为0.947 3，大于0.3。

2.4 期刊发文量

表1中显示发文量最多的期刊是《中国数字医学》，其次是《医学信息学杂志》《中国全科医学》《中国卫生信息管理杂志》《协和医学杂志》等。《中国数字医学》发文34篇，《医学信息学杂志》发文20篇，《中国全科医学》发文15篇，《中国卫生信息管理杂志》发文10篇，《协和医学杂志》发文10篇；整体而言，数智化赋能基层医疗卫生服务发表在《数字医学》《医学信息学》《全科医学》《卫生信息管理》《协和医学》等期刊上的文章比较多；《中国医疗设备》《第二军医大学学报》一直到《医学与哲学》杂志等的发文量基本持平。

2.5 关键词可视化分析

2.5.1 关键词共现及聚类分析按照频次划分，排名前10位的关键词有人工智能、医学影像、深度学习、大数据、分级诊疗、机器学习等，结合频次与中心性两方面看，排名在前5位的关键词有人工智能、大数据、分级诊疗、基层医疗、深度学习。见表2。

在关键词聚类图谱中共分为16个聚类，#0影像组学、#1分级诊疗、#2基层医疗、#3医学、#4信息技术、#5医学影像、#6智慧医疗、#7大数据、#8深度学习、#9基层卫生，#10综述、#11数字化、#12医疗器械、#13慢性病、#14应用研究、#15全科医生。#0与#5分别为影像组学与医学影像，#0包含关键词医学图像、人工智能、大数据、专利分析；#5包含关键词肺结节、智能诊断、辅助诊疗、产业化；#13包含关键词体系构建、医联体、感染防控、智能机器人，在#14和15中出现了关键词计算机视觉、5G技术、医学问答等，其中5G技术属于第5代移动通信技术，速率较高延时低，可以解决人与物、物与物之间的互联需求，可以用于远程医疗领域。见图5～6、表3。

2.5.2 关键词时间线图谱与突现分析近年来研究热点在人工智能与医学影像领域，见图7；结合开始与结束时间可以看出近年来数智化将重点应用在口腔医学、大模型、中医学和全科医生，见图8。

2.6 机构合作分析

在CiteSpace统计中，频次为7次的单位有中国人民解放军总医院、中国医学科学院医学信息研究所，频次为6次的单位有上海交通大学医学院附属瑞金医院、复旦大学；频次为5次的单位有中国医学科学院北京协和医院；频次为4次的单位有上海中医药大学附属龙华医院、中国科学院自动化研究所、南通大学等；频次为3次的单位有中医药大学第一附属医院、中国医学科学院、中国医科大学、中山大学、华中科技大学同济医学院附属同济医院、四川大学华西口腔医院等，S值为0.965 7，大于0.5，Q值为0.843 4，大于0.3；提示社团结构显著。

3 讨论

本研究结果显示，在作者网络合作分析中两个节点在某些方面有共同引用的文献，但不是非常多。这种相似性表明他们在某些研究领域或主题上有交叉，但这种交叉程度不是很高，整体看上去比较发散，作者间的合作并不多，截至2025年3月，2023年的发文量最多为85篇，2015年的发文量最少为2篇，未来需要加强作者间的合作，不断扩大数智化赋能基层医疗卫生服务的影响力[16-21]；《中国数字医学》期刊发文量最多，频次最高的发文机构是中国人民解放军总医院、中国医学科学院医学信息研究所；结合频次与中心度来看，研究热点有人工智能、医学影像、深度学习、大数据、分级诊疗、机器学习、智慧医疗等，体现了数智化赋能内容的多样化，临床与卫生管理应用比较广泛；同时口腔医学与全科医学也是数智化赋能的重点研究领域；深度学习中的“深度”一词表示用于识别数据模式的多层算法或神经网络，高度灵活的架构可以直接从原始数据中学习，这类似于人脑的运作方式，获得更多数据后，其预测准确度也将随之提升。在关键词聚类分析中，同质性较好的聚类包含关键词人工智能、互联网+、远程医疗、肺结节、智能诊断、辅助诊疗、产业化等，结合关键词时间线图谱与突现图谱来看，在早期数智化应用主要集中在慢性病、全科医学、智慧医疗领域，近年来则更多关注卫生服务、全科医师、大模型、筛查、口腔医学、深度学习、医学影像领域，通过#5能看出数智化应用在医学影像领域较多，能帮助医师更准确地进行智能诊断与诊疗；关键词慢性病与全科医生的出现，说明在基层医疗卫生方面，慢性病的治疗与全科医师的培养是需要重点关注的问题，在#13中的慢性病领域，感染防控、智能机器人应用、医联体的建立均是重点。

《关于优化基层医疗卫生机构布局建设的指导意见》中强调要发展壮大基层医疗卫生队伍，适应基层医疗卫生机构优化布局建设和发展需求，增加紧缺人才培养，强化中医药人员配备，推动城市医院人员下沉等多种途径不断壮大基层医疗卫生队伍。“健康中国2030”规划纲要中提到要推动健康科技创新，加强慢病防控、精准医学、智慧医疗等关键技术突破，同时将口腔也纳入“健康中国2030”战略中，说明我国进一步提升了诊疗的精准度与效率，破解了基层医疗资源困境，强化慢性病闭环管理，推动了县域医共体的协同，相关政策得到进一步落实与优化。预测未来可能重点关注数智化赋能口腔医学、大模型、中医学与全科医生等领域，相比人工智能、医学影像和深度学习，智慧医疗与数智化赋能口腔医学等领域探讨少，我国相关政策规范还不完善，数据管理法规滞后，技术成熟度有限，建议对相关领域展开更多深入研究[22-24]。

4 小结

本研究利用CiteSpace对数智化赋能基层医疗卫生服务研究进行可视化分析，探索10年来我国对该领域的相关研究，在一定程度上展示了其发展趋势，为今后的研究提供了一定的参考价值；该领域还处于发展阶段，但内容丰富，研究热点集中在人工智能、医学影像、深度学习方面，前沿热点包括口腔医学、大模型等；研究内容呈现多样化的特点。由于本研究只纳入了中国知网、万方数据知识服务平台、维普网3个数据库的中文文献，局限于国内相关研究，对主题词定位及文献筛选可能存在思考不全面，以及数据分析软件局限性等原因，故研究结果可能不足以反映全貌，具有一定局限性；CiteSpace在运行过程中，不同类别或会造成交叉与重复，还应根据具体的医疗应用情况来加以判断。

利益冲突声明：本文作者声明不存在利益冲突。

[1]高文.抢抓人工智能发展的历史性机遇-深刻领会习近平总书记关于人工智能的重要论述[J].中国军转民，2025（5）：12-14.

[2]中国共产党中央委员会.中共中央关于进一步全面深化改革推进中国式现代化的决定[EB/OL].（2024-07-18）.http://www.scio.gov.cn/live/2025/369 82/wjzc/202508/t20250 806_925670_m.html.

[3]国家卫生健康委，中央编办，国家发展改革委，等.关于全面推进紧密型县域医疗卫生共同体建设的指导意见[EB/OL].（2023-12-29）.https：//www.gov.cn/zhengce/zhen gceku/202312/content_6923447.htm.

[4]周逗逗，任沭丽，赵秦.基于CiteSpace近十年国内儿童康复文献计量学及可视化分析[J].中国卫医药导报，2023，20（6）：99-107.

[5]许金诺，李璐，马彪，等.基于CiteSpace的智慧医疗图谱可视化分析[J].智能物联技术，2024，56（3）：1-5.

[6]张紫卉，杨小会，胡庆元，等.基于Citespace的国内人工智能医疗器械研究的可视化分析[J].中国医疗设备，2024，39（6）：88-95.

[7]戚振兴.基于深度学习的图像识别算法优化与应用研究[J].科技与创新，2025（7）：229-232.

[8]胡靖阳，陈靖辉.基于深度学习的多源数据融合在医疗数据分析中的应用[J].信息与电脑，2025，37（7）：9-11.

[9]王华，郭艳妮.基于深度学习的图像识别技术研究与应用[J].现代计算机，2024，30（24）：63-72.

[10]胡佳敏，邱艳，任菁菁.AI在基层医疗慢性病管理中的应用研究进展[J].中国全科医学，2024，22（3）：481-485.

[11]裘银虹，徐春芽.县域医共体背景下基于云和人工智能及5G的医防结合慢性病随访管理信息平台的构建[J].2024，14（1）：143-146.

[12]李丽芬，陈浩，刘毅.基于CiteSpace的我国基层医疗卫生机构研究前沿与热点的可视化分析[J].现代预防医学，2021，48（19）：3538-3569.

[13]贾乘一，李丽娟.基于CiteSpace的我国基层医疗卫生机构服务能力研究热点分析[J].中国卫生质量管理，2022，29（2）：42-46.

[14]汤婷，郑加伟.基于CiteSpace的基层医疗卫生人才研究的文献计量学与可视化分析[J].卫生职业教育，2025，43（13）：148-153.

[15]陈丹燕，郑淮.我国社区教育学习需求研究述评（1999—2019年）[J].当代职业教育，2021（3）：38-49.

[16]蒙镜羽，司俊霄.基于CiteSpace的公共卫生服务研究热点与趋势分析[J].江苏卫生事业管理，2022，33（5）：685-690.

[17]霓莉霞，龚瑞怡.我国全科医生研究态势分析——基于中国知网和CiteSpace的核心期刊文献可视化研究[J].中国初级卫生保健，2025（5）：6-11.

[18]胡清福，林如海，张振坤，等.基于Citespace对全科医生在糖尿病领域研究的可视化分析[J].中文科技期刊数据库（全文版）医药卫生，2024（2）：135-139.

[19]孙迪.基层医疗卫生服务发展现状与思考[J].中国农村卫生，2024，16（12）：67-70.

[20]闫温馨，胡健.人工智能大语言模型在基层医疗卫生服务中的应用与挑战[J].中国全科医学，2025，28（1）：1-6.

[21]史森中，刘相花，聂瑞，等.生成式人工智能基层医疗应用风险及治理策略分析[J].医学信息学杂志，2025，46（1）：17-21.

[22]DAI J，XU H，CHEN T，et al.Artificial intelligence for medicine 2025:Navigating the endless frontier[J].The Innovation Medicine,2025,3（1）：100120.

[23]TAO HUANG，HUIYU XU.Artificial intelligence for medicine：Progress，challenges，andperspectives [J/OL].TheInnovation Medicine，2：100030.https：//www.the-innovation.org/article/doi/10.59717/j.xinn-med.2023.100030.

[24]ZHOU H Y，LI Y，LI J Y.Harnessing the power of artificial intelligence to combat infectious diseases：Progress，challenges，andfuture outlook [J].The Innovation Medicine，2024，2（4）：10091.

【作者机构】	中国医学科学院医学信息研究所医疗卫生法制研究室
【分类号】	R197.6
【基金】	国家疾病预防控制局机关党委（人事司）委托项目（1496）。

基于文献计量学国内数智化赋能基层医疗卫生服务的可视化分析

目录

文内图表