Caspian Journal of Scientometrics

fa مطالعه شبکه مفهومی تولیدات علمی حوزه هوش مصنوعی و درمان از طریق مدل‌سازی موضوعی An investigation of the conceptual network of scientific productions in the field of artificial intelligence and therapy through topic modeling علم سنجی Scientometrics اصیل Orginal <div style="text-align: justify;">سابقه و هدف: هوش مصنوعی از سال ۱۹۵۰ در حوزه‌های خدمات سلامت شخصی، تجزیه و تحلیل داده‌های بیمار، مانند تاریخچه پزشکی و عوامل سبک زندگی به‌کار گرفته شده است. هدف پژوهش حاضر، مدل‌سازی محتوای موضوعی تولیدات علمی حوزه هوش مصنوعی در بخش درمان با استفاده از تکنیک‌های مدل‌سازی موضوعی و روش‌های متن‌کاوی بر اساس داده‌های پایگاه اطلاعاتی پابمد است. مواد و روش‌ها: این پژوهش از نوع توصیفی- اکتشافی است. جامعه آماری پژوهش شامل تمامی تولیدات علمی حوزه هوش مصنوعی و درمان (۱۶۰۱۱ مقاله) در تولیدات علمی زیست‌پزشکی از ابتدا تا پایان سال ۲۰۲۳ می‌باشد که در پایگاه اطلاعاتی پابمد نمایه شده‌اند. برای مدل‌سازی و تحلیل، چکیده‌ها و عناوین با ترکیب الگوریتم‌های LDA و TF-IDF استفاده است. یافته‌ها: یافته‌های خوشه‌بندی منجر به شکل‌گیری هشت خوشه موضوعی شد: «لاپاراسکوپی رباتیک»، «مدل‌های یادگیری عمیق برای پیش‌بینی بیماری»، «جراحی رباتیک»، «کاربردهای بالینی هوش مصنوعی»، «توان‌بخشی رباتیک»، «تصویر پزشکی با یادگیری عمیق»، «پروستاتکتومی رباتیک» و «ربات اجتماعی». این تنوع نشان‌دهنده گستردگی پژوهش‌ها در حوزه هوش مصنوعی و درمان است. نقشه حرارتی همبستگی بالای ۰/۹۱ را بین دو خوشه «لاپاراسکوپی رباتیک» و «مدل‌های پیش‌بینی بیماری» نشان داد که بیانگر ماهیت چندرشته‌ای این حوزه است. پرجستجوترین واژه‌ها در تولیدات علمی شامل «رباتیک»، «عمل جراحی»، «بیماران»، «مدل» و «پروستاتکتومی» بودند. نتیجه‌گیری: کلیدواژه «رباتیک» مهمترین واژه‌ی کاربردی در حوزه هوش مصنوعی و درمان است. همچنین نتایج نشان می‌دهد خوشه‌های استخراج‌شده نه‌تنها از انسجام موضوعی برخوردارند، بلکه ارتباط منطقی و معناداری میان آن‌ها دیده می‌شود.</div> <div style="text-align: justify;">Background and aim: Artificial intelligence has been used since 1950 in the areas of personalized health services and analyzing patient data, such as medical history and lifestyle factors. The aim of the present study is to model the thematic content of scientific products in the field of artificial intelligence in the healthcare sector based on data from the PubMed database. Materials and methods: This study is descriptive-exploratory in nature. The statistical population includes all scientific publications (16,011 articles) related to artificial intelligence in medical treatment, indexed in the PubMed biomedical literature database from the beginning to the end of 2023. For modeling and analysis, abstracts and titles are used by combining LDA and TF-IDF algorithms. Findings: The clustering findings led to the formation of eight thematic clusters: “Robotic-Assisted Laparoscopy”, “Deep Learning Models for Disease Prediction”, “Robotic Surgery”, “Clinical Applications of Artificial Intelligence”, “Robotic Rehabilitation”, “Medical Imaging with Deep Learning”, “Robotic Radical Prostatectomy”, and “Social Robotics”. This diversity indicates the wide-ranging scope of research within AI applications in medical treatment. Heat map analysis revealed a strong correlation (0.91) between the clusters “Robotic-Assisted Laparoscopy” and “Disease Prediction Models”, highlighting the interdisciplinary nature of this field. The most frequently weighted keywords in the literature were “robotics”, “surgery”, “patients”, “model”, and “prostatectomy”. Conclusion: The “robotics” is the most important keyword in the field of artificial intelligence and treatment. The results also show that the extracted clusters not only have thematic coherence, but also a logical and meaningful connection is seen between them.</div> خوشه‌بندی, درمان, مدل‌سازی موضوعی, هوش مصنوعی, زبان برنامه‌نویسی پایتون Clustering, Therapy, Topic Modeling, Artificial Intelligence, Python 65 75 http://cjs.mubabol.ac.ir/browse.php?a_code=A-10-469-1&slc_lang=fa&sid=1 Sima Zoumakzehi سیما زومکزهی zsima1369@gmail.com 10031947532846004563 0009-0009-3455-0872 No Department of Information Science and Knowledge, Faculty of Psychology and Educational Sciences, Yazd University, Yazd, Iran گروه علم اطلاعات و دانش‌شناسی، دانشکده روانشناسی و علوم تربیتی، دانشگاه یزد، یزد، ایران Fatemeh Makkizadeh فاطمه مکی‌زاده makkizadeh@yazd.ac.ir 10031947532846004564 10031947532846004564 Yes Department of Information Science and Knowledge, Faculty of Psychology and Educational Sciences, Yazd University, Yazd, Iran گروه علم اطلاعات و دانش‌شناسی، دانشکده روانشناسی و علوم تربیتی، دانشگاه یزد، یزد، ایران Fezzeh Ebrahimi فضه ابراهیمی azeria@yazd.ac.ir 10031947532846004565 10031947532846004565 No Department of Information Science and Knowledge, Faculty of Psychology and Educational Sciences, University of Isfahan, Isfahan, Iran گروه علم اطلاعات و دانش‌شناسی، دانشکده روانشناسی و علوم تربیتی، دانشگاه اصفهان، اصفهان، ایران Afsaneh Hazeri افسانه حاضری hazeria@yahoo.com.ir 10031947532846004566 10031947532846004566 No Department of Information Science and Knowledge, Faculty of Psychology and Educational Sciences, Yazd University, Yazd, Iran گروه علم اطلاعات و دانش‌شناسی، دانشکده روانشناسی و علوم تربیتی، دانشگاه یزد، یزد، ایران