Three Decades of Scientific Output in Neuroradiology: A Bibliometric Analysis of the American Journal of Neuroradiology [ARTIFICIAL INTELLIGENCE]

過去 30 年的神經放射研究並非無止盡地爆炸成長——AJNR 的總發文量在 2000 年代中期觸頂後，甚至在 2020 年後出現微幅下滑。這份文獻計量學分析打破了醫學論文逐年氾濫的刻板印象，指出核心影響力其實高度集中在極少數的多產作者手中，而臨床焦點早已被腦血管介入治療徹底顛覆。

AJNR 過去 30 年的發文波動與 Q1 統治力

從研究動機來看，醫學期刊的文獻計量學（Bibliometric profiling，透過統計數學分析大量文獻的發表模式）不僅是單純計算引用次數，更是為了捕捉整個次專科在技術演進與疾病關注度上的歷史軌跡。台灣的放射科醫師每天面對成堆的急診 CT 與常規 MRI 影像，往往難以察覺整個神經放射領域的研究重心正在如何悄悄轉移。透過分析《American Journal of Neuroradiology》這本具備極高指標性的旗艦期刊長期數據，我們能夠清晰地看見臨床實務需求的演變。特別是面對 AI 在醫學影像領域的全面入侵，這三十年的資料剛好記錄了放射科從完全依賴人眼判讀，逐步走向數位化與半自動化的演變歷程。

作者團隊將研究對象鎖定了 1995 年至 2024 年整整三十個年份的所有正式出版文獻，試圖從中找出跨越世代的主題消長與作者合作模式。AJNR 收錄的每一篇文章，幾乎都代表著當時最頂尖的診斷標準或介入治療技術。分析結果確認，AJNR 在這漫長的三十年間，始終穩居「Neurology (Clinical)」以及「Radiology, Nuclear Medicine and Imaging」兩大 JCR 分野的第一四分位（Q1），這證明其學術統治力並未隨著其他新興次專科期刊如雨後春筍般的出現而有所動搖。

然而，從文獻數量的時間動態（temporal dynamics）來看，發文量並非呈現我們直覺以為的線性上升。研究發現了一個長週期的波動現象：總發文量在 2000 年代中期進入了一個明顯的平穩高原期（plateau）。更有趣的是，如時間軸分佈所示，在 2020 年之後整體的發表數量反而出現了適度的下滑。這種現象極有可能反映了學術界正經歷一場從追求文章數量轉向要求大型多中心證據等級的質變，也可能與全球疫情後臨床醫師學術產能的重分配緊密相關。

腦血管主題稱霸與血栓移除術的黃金交叉

回顧本研究的設計細節，作者採用了以標題為基礎的文字探勘技術（Title-based mining，利用自然語言處理自動抓取文章標題中的高頻詞彙），對所有收錄文章的關鍵字進行標準化處理與年度頻率分析。透過這種大數據探勘方式，研究者能夠非常精確地描繪出特定疾病名稱或大腦解剖位置在不同年份的討論熱度變化。結果毫無懸念地顯示，腦血管（Cerebrovascular）相關主題在過去三十年來的標題關鍵字中，佔據了壓倒性的絕對統治地位。

當我們將這些關鍵字的年度頻率變化曲線與現實世界中的臨床重大事件交互對照時，會發現兩者有著極為驚人的同步率。特別是在機械性血栓移除術（mechanical thrombectomy，動脈內機械性取栓）這個次領域，相關關鍵字的突增（temporal surges）完美貼合了指標性臨床試驗發布的時間節點。各位一定對 2015 年那幾項徹底改變全球急性缺血性中風處置指引的重大血管內治療試驗記憶猶新，這股強大的臨床證據震撼彈，直接且迅速地反映在 AJNR 隨後幾年的收稿方向與發文傾向上。

關鍵字關聯分析（Keyword associations analysis）進一步在語意網路上證實，血管性與介入性（vascular and interventional）的專業詞彙在圖譜上形成了極度緊密的叢集。這意味著在當代的神經放射學界，只要探討腦血管疾病，研究的核心已經與微創介入治療緊緊綁定。單純的形態學影像診斷研究已經逐漸退居幕後，取而代之的，是著重於術前治療決策、術後預後預測以及新型導管器材評估的整合性探討。當神經內外科醫師越來越依賴我們提供的進階腦部灌注影像來決定是否將病人送入導管室時，放射科醫師的角色已經從單純的讀片者轉變為治療決策的核心參與者。

Figure 2 呈現叢集係數與度數的跨國合作網絡

若細看 Figure 2 畫出的共同作者網絡（Co-authorship network）統計數據，本研究特別引入了幾個網路科學的核心指標，來客觀評估學術合作的成熟度與複雜度。這些指標包含度數（degree，代表單一作者在學術網路上直接合作對象的數量）、叢集係數（clustering coefficient，評估作者的共同作者們彼此之間是否也有合作關係的指標）以及中心性（centrality measures，用於找出在整個巨大網絡中扮演跨機構溝通橋梁的靈魂人物）。

這些看似抽象的數學指標，在神經放射領域被轉化成了非常具體的臨床學術現象。統計結果顯示，這三十年來的研究合作網絡變得異常密集，且叢集係數極高。用最白話的方式來說，當前的 AJNR 論文已經幾乎不可能由單一地區醫院的小型團隊關起門來獨立完成。這種高度叢集的網絡特徵，與神經放射科日益依賴大型多中心試驗的現況完全吻合。無論是一項全新的高階 MRI 序列驗證，還是一種新世代支架取栓設備的安全性測試，往往都需要跨越多個醫療機構、甚至跨國界的巨量病患資料，才足以說服嚴格的審稿人。

此外，資料也明確顯示，國際參與度（international participation）在這三十年間出現了持續且顯著的擴張。早年的 AJNR 發表可能幾乎由北美洲少數幾家頂尖醫學中心所主導，但隨著高階影像技術的全球普及與標準化，來自歐洲、亞洲等其他地區的研究團隊，也逐漸在這個高密度的合作網絡中取得了關鍵的中心性位置，成為推動神經放射學進步不可或缺的學術節點。

2020 年後發文量微降與少數多產作者的現象

把焦點拉到時間軸上，雖然整體的學術合作網絡變得越來越龐大且緊密相連，但作者實際貢獻度的分佈卻呈現出極端傾斜的狀態。研究團隊在詳細計算總作者與第一作者的參與次數時，發現了一個高度不平衡的社會學現象：極少數的「多產貢獻者」（prolific contributors）包辦了令人咋舌的高比例文章發表。這群牢牢掌握核心學術影響力的小圈圈，通常擁有強大的影像核心實驗室（Core Lab）或具備參與全球大型隨機對照試驗的優先權。

相對於這些資源豐富的研究集團，存在著數量極為龐大的「偶發性作者」（occasional authors），他們可能在整個漫長的職業生涯中，只在 AJNR 貢獻了一到兩篇文章。這種極端分化的現象，在某種程度上真實反映了當前神經放射領域極高的進入門檻；只有那些具備龐大經費、完善資料庫資源與長期追蹤系統的頂尖醫學中心，才能有底氣持續不斷地產出高品質的醫學研究。

而在時間軸的趨勢上，2020 年之後發文量的微幅衰退，或許與這些少數多產團隊的產能轉型息息相關。當 AI（人工智慧）與大數據探勘的研究逐漸取代傳統的回溯性單純觀察研究，單篇論文所需要投入的資料清理、模型訓練與跨院外部驗證時間大幅度增加，這直接導致了整體的發文頻率變慢。這也給了我們放射科同儕一個極為重要的啟示：在當今的神經放射學界，企圖透過短平快的單中心個案報告或小樣本回溯分析來登上 Q1 期刊，已經變得越來越困難。

Table 3 的三十年回顧對放射科臨床實務的啟發

在討論這些宏觀的計量結果時，Table 3 總結了這三十年回顧對臨床實務與未來研究邊界的影響，作者也坦承了這種分析方法的先天限制。由於本研究僅針對單一期刊 AJNR 進行深度挖掘，這份報告不可避免地會遺漏其他綜合型高分放射學期刊（如 Radiology）或神經科學專門期刊（如 Stroke）上發表的關鍵重量級文獻。然而，AJNR 的演變史本身就是診斷與介入神經放射科從萌芽走向成熟的完美縮影。

對於每一位每天在暗室閱片室裡忙碌的放射科醫師而言，這篇論文傳遞了一個無法忽視的明確訊息：臨床實踐的驅動力已經完全與大型多中心臨床試驗的證據掛鉤。我們在每天敲擊鍵盤撰寫影像報告時，或許該停下來反思自己的關注點是否跟上了這個大時代的趨勢。未來的研究工作勢必會更加著重於跨學科的整合，例如將 radiomics（從影像自動抽上千個量化特徵）與臨床基因體學結合，以達到真正的個人化精準醫療。

當全球的學術界已經把焦點從單純的解剖構造異常辨識，轉移到血栓移除後的併發症預測、流固耦合 CFD（把血流當液體模擬算血管受力）的力學分析，甚至是神經影像 AI 輔助的即時決策時，我們的例行常規報告是否也提供了這些對臨床端真正有價值的關鍵參數？這絕對不只是一份關於論文發表數量的冷硬統計表，更是一張指引神經放射科未來十年發展的戰略地圖。深入理解這個學術板塊的推移，都能幫助你在面對日新月異的臨床挑戰時，做出更符合當代實證醫學標準的精準判斷。

當你發現學術前沿已經被大型腦血管介入試驗與 AI 模型佔據時，下次打中風報告，別只看梗塞範圍，多留意那些能決定下一步導管治療的血流指標。