智能与安全智慧医院生态系统是医疗保健领域的一项革命性概念，它结合了物联网、人工智能、区块链和5G/6G网络等不同技术，以改善患者护理和医院运营。此类系统旨在建立完全集成和数据驱动的医院环境，在远程监控、诊断以及行政流程等各个方面提供帮助。开发这些系统的主要原因之一是为全球日益增长的老年人口提供个性化、主动和高效的医疗保健服务，同时增强医疗基础设施的韧性。但这种技术融合的负面影响是出现了关于数据安全、隐私和互操作性的复杂问题，因此，稳固的安全措施和完整的架构模型至关重要。在这样互联的系统中，维护敏感患者数据的完整性、机密性和可用性，对于建立信任并释放智慧医院的潜力至关重要。
先前的研究已揭示了智能且安全的智慧医院生态系统中不同组件和方面的潜力。该领域的研究已从多个角度展开，例如开发基于智能合约的安全访问控制机制，为物联网支持的智能医疗系统开发具有抗攻击能力的网络工程解决方案，以及采用区块链技术来保护物联网系统中数据的安全和隐私。此外，在智慧医院中概念化和实施人工智能与数字生态系统以实现数据驱动的医疗卓越，以及提出整合的物联网架构模型以增强互操作性和效率，都是旨在通过技术创新实现先进和安全医疗环境的努力实例。只有少数二次研究，如文献计量学和系统综述，旨在探索这一领域，但它们覆盖范围有限，往往侧重于特定领域或视角，使得更广泛的主题关系相对未被探索。此外，无论是初级研究还是基于综述的研究，大多集中于某些技术或应用，对将技术、组织和治理维度联系起来的集成式、系统级解释关注有限。
尽管包括初级调查和二次分析在内的研究体系庞大，但在智能与安全智慧医院生态系统中，系统性地检测新的和较少探索的主题方面仍存在巨大空白。此外，许多研究孤立地关注个别方面，这在智慧医院文献中很常见，使得难以全面理解主题发展和未来方向。此外，技术成果向政策和治理措施的转化有限，而这正是成功部署和控制此类系统的关键部分。因此，缺乏全面且系统分类的概要，阻碍了包括政策制定者、医院管理层和技术开发人员在内的利益相关者做出明智决策并建立稳固的框架。因此，基于文献计量分析的范围综述（ScoRBA）可以作为一种合适的方法，它结合了文献计量映射的定量能力（用于识别趋势和模式）与定性综合（用于解释主题发展和实际含义）。因此，本研究受以下研究问题（RQ）指导：
RQ1：关于智能与安全智慧医院生态系统的文献中，主要的模式和关键进展是什么？
RQ2：关于智能与安全智慧医院生态系统的文献中存在哪些未充分探索的领域，这些领域如何塑造一个连贯的未来研究议程？
RQ3：从现有关于智能与安全智慧医院生态系统的证据中，可以得出哪些政策和实际含义，以支持智慧医院治理和数字健康政策？
本研究的主要目标是对智能与安全智慧医院生态系统的现状进行彻底映射。这旨在提供对现有发展、当前趋势和需要进一步研究的领域的结构化理解。本研究采用ScoRBA方法，通过综合分析探索技术进步、安全考虑和智慧医院应用之间的相互联系。此外，本研究旨在将已识别的技术成果转化为政策和治理建议，从而为利益相关者构建监管框架和最佳实践提供有用指导。最终，这有助于以更结构化和更明智的方式开发有韧性、合乎道德和安全的智能医疗环境，这将与未来6G及其他先进技术在医疗保健领域的部署保持一致。
本研究采用基于文献计量分析的范围综述（ScoRBA）方法，对智能与安全智慧医院生态系统文献进行全面的映射、分析和综合。ScoRBA方法，正如Wijaya等人（2023）所述，是范围综述和文献计量分析的结合，可作为统一的方法论框架。范围综述部分使用Arksey和O'Malley（2005）的方法，作为识别、选择和映射研究的结构化指南，而文献计量分析部分使用成熟的方法进行绩效分析和科学映射。此外，研究结果的呈现和分析根据PAGER框架进行。由于将这些互补指南结合在一起，ScoRBA允许对研究模式、空白和含义进行全面探索。这种方法特别适用于复杂和多学科领域，因为它结合了定量文献计量映射与定性解释，使研究能够超越单纯描述，走向结构化知识发展和政策相关见解。
数据收集过程遵循一个透明且可重复的协议，该协议由PRISMA流程图指导，并适应既定的报告标准。搜索策略仅在Scopus数据库中进行，使用智慧医院、智慧医疗、智能医疗等关键词组合，同时排除基于综述的研究（如调查、综述、文献计量学和荟萃分析），以确保纳入初级研究贡献。初步搜索产生了2,611条记录，随后根据预定义的发表时间范围（2006-2025年）进行筛选，移除了104条在此范围之外的记录。筛选阶段不涉及标题或摘要筛选，而是根据文献类型和语言应用严格的筛选标准，仅保留期刊文章和英文出版物。在此过程之后，共有891条记录被认为符合条件并纳入最终分析。仅使用Scopus数据库是一个合理的决定，因为该数据库以覆盖范围广和引用数据丰富为特点，包含比其他数据库更多的出版物和引用记录，从而可以更全面地代表科学景观。这种全面的覆盖是准确检测该领域研究趋势、主题结构和新兴主题的先决条件。
数据分析过程基于ScoRBA框架进行结构化，该框架整合了共现分析、网络可视化、叠加可视化和增强战略图（ESD）。共现分析用于识别关键词之间的关系，从而形成代表研究领域知识结构的主题集群。这些集群进一步通过网络可视化来揭示主题间的结构联系，而叠加可视化则突出时间动态，特别是近期和高影响力研究领域的出现。为了增强分析，本文引入了增强战略图（ESD）作为传统文献计量映射方法的扩展，提供了更全面的、多维度的研究主题分类。ESD根据关键词的总链接强度（x轴）和出现频率（y轴），结合近期与较旧出版物之间的时间差异，将关键词分为八个象限。这样，它就能识别核心、新兴、成熟和孤立的主题，从而提供主导和较少探索领域的更广阔视角。这些分析方法的结合确保了研究领域的描绘不仅是结构性的，而且是时间性和战略性的。文献计量分析的输出随后使用PAGER框架进行综合，其中模式和进展用于回答RQ1，空白和研究建议用于回答RQ2，实践证据支持推导RQ3中的政策含义。这种集成的分析流程实现了从数据驱动映射到概念综合和实践建议的连贯过渡，确保研究结果在方法论上稳健且与环境相关，特别是对于在不同和欠发达环境中推进智慧医院生态系统。
描述性分析提供了智能与安全智慧医院生态系统领域出版趋势、主要贡献者以及主题变化的初步概述。这部分主要说明了该研究领域的时间线演变，指出了塑造学术话语的重要作者和来源，并记录了主导主题的时间出现。总的来说，这些见解为理解后续部分详细阐述的模式、进展和研究路径奠定了实证基础。如出版物随时间变化图所示，出版物数量几乎呈完美持续增长，尤其是在2018年之后。事实上，早期年份活动非常有限，2006-2014年间每年出版物少于五篇，表明研究刚刚起步。然后，从2018年开始显著增长，出版物从2018年的34篇大幅增加到2021年的85篇，进一步到2025年的181篇。多项式趋势和高达0.98的R²值表明了一个非常可靠且持续的增长模式，这意味着该主题已成为一个成熟且发展非常迅速的研究领域。此外，2018年和2021-2022年左右的快速增长时期表明，由于人工智能、物联网和数字健康转型方面的大量新发展，许多研究者被吸引并希望了解更多。
高产且有影响力的作者和来源图显示，发表了最多文章且具有最高影响力的顶级作者，揭示了知名和新兴作者的混合。Kumar和Gill，例如，具有最高的平均标准化引用次数，这意味着他们最近几年的研究产生了强烈影响。值得注意的是，Kumar和Gill发表了关于下一代智慧医院基础设施、AIoT集成以及5G和6G支持的医疗保健系统中延迟优化的论文。另一方面，Muhammad，尽管平均发表年份较早，但因其参与了被引用最多的联邦学习和基于AI的医疗保健框架论文而仍然被高度引用，这表明基础工作的持久重要性。其他作者如Mohanty和Das也是如此，他们早期关于边缘计算、安全和基于物联网的医疗保健的工作仍然被积极引用。相比之下，Nanthaamornphong和Chakraborty等作者的一些最新论文因6G支持的医疗保健连接和基于AI的医学影像等主题而被高度引用。条形颜色和宽度的变化进一步反映了新颖性和影响力之间的平衡，而以智慧医疗、物联网、人工智能、安全和区块链等主题为主的关键词分布，凸显了研究焦点向智能、安全和互联医疗保健生态系统的趋同，突显了一个动态且快速演变的作者格局。
最多产和最有影响力的来源表明，像IEEE Access和IEEE Internet of Things Journal这样的期刊在出版物数量方面领先，这表示它们在发表该领域研究中的主要作用。另一方面，像IEEE Journal of Biomedical and Health Informatics和Future Generation Computer Systems这样的期刊具有更高的平均标准化引用次数，反映了它们在研究发展中的卓越影响力。此外，较新的来源如Cluster Computing和Electronics (Switzerland) 具有相对较新的平均出版年份，暗示它们越来越重要。这种模式表明，虽然著名期刊仍然是主要的出版渠道，但新期刊正在逐步提供高影响力的研究。研究主题的时间演变描述了该领域的当前主要主题和未来主题。大多数主要主题，例如智慧医疗、物联网和深度学习，在过去几年中具有最高的出现次数，并预计在2024和2025年继续达到顶峰，这证实了它们在该领域的关键地位。其他技术如区块链、机器学习和人工智能显示出强劲而稳定的增长，这与它们融入智慧医院生态系统相对应。新主题如联邦学习、边缘计算、无线传感器网络和能效具有更近期的峰值，因此倾向于与隐私保护、分布式和可持续系统架构的理念保持一致，同时通过安全、IoMT和隐私等词汇的出现，也促进了与技术进步相伴随的信任和保护机制。
这些描述性结果共同表明，该研究领域不仅正在迅速扩展，而且正朝着跨智能、安全和基础设施维度的更大集成方向发展。高频主题与新兴趋势的趋同表明，从基础技术探索向更复杂的系统级实施的转变，其中可扩展性、互操作性和治理变得越来越关键。
文献计量结构表明三个主要的重叠主题集群，它们共同解释了智能与安全智慧医院生态系统的发展，涵盖了智能、信任和基础设施层。采用标准化引用次数（≥1.1）的严格标准的研究，不仅追踪了主流，还追踪了极具影响力的研究方向，这些方向带来了代表性和学术影响力的良好结合，如图和表所示。尽管集群仍然通过主要连接节点（如人工智能、物联网和医疗保健系统）相互连接，但它们反映了向完全集成、智能和安全的数字医疗环境的统一。这种安排揭示了从孤立技术使用到系统编排层面的发展，其中智能、信任和基础设施共同演进，包括由AI和物联网支持的智慧医疗系统、云计算和大数据基础设施，以及用于安全医疗数据管理的联邦学习和隐私保护机制。
第一个集群涉及智能与安全的AI驱动物联网医疗系统，作为智慧医院的操作智能层。随着医疗领域临床智能越来越数据驱动，AI、深度学习和疾病诊断的强烈存在说明了技术检测和预测健康状况的能力。除此之外，心电图和健康监测的使用也表明，持续收集的患者实时数据对改善临床结果有显著贡献。此外，可解释AI和特征提取的发展反映了对可解释和可信AI系统的关注增加，这对于确保临床决策中的透明度和问责制很重要。另一方面，安全、入侵检测和密钥协议的集成表明，信任机制越来越多地被纳入智能系统，从而允许在敏感的医疗环境中安全运行。除此之外，物联网和智慧医疗的纳入凸显了向互联和实时医疗生态系统的进展，其中智能分析和物理设备协同工作。这些发展表明向集成、实时和安全的AI驱动医疗系统转变。
第二个集群是关于去中心化与隐私保护数字健康生态系统，将医疗保健置于分布式和信任激活的架构道路上。联邦学习和隐私措施的显著影响表明，向协作智能模型转变，这些模型保护敏感数据，同时实现跨机构分析。可穿戴设备和COVID-19的识别表明，越来越依赖现实
世界和以患者为中心的医疗保健应用，特别是在远程监测和疫情应对场景中。除此之外，对资源分配和强化学习的提及表明，正在开发适应性和优化的医疗保健系统，这些系统能够在分布式环境中动态有效地管理资源。智慧城市反过来帮助医疗保健成为更广泛数字生态系统的一部分，突出了跨部门集成。这些变化意味着信任层正在转变为隐私意识、分布式和自适应的医疗保健智能系统。
第三个集群涉及智慧医院生态系统的可扩展云边基础设施，这本质上是支持智能和可信医疗保健服务的基础框架。大数据和预测性分析的普遍存在，强调了广泛数据处理和预测能力作为增强临床和运营决策关键因素的作用。云计算和边缘计算的结合指向了多功能和去中心化计算结构的创建，这些结构不仅能够处理实时，还能处理高容量的医疗保健应用。5G的引入使整个基础设施更加强大，通过提供极快的速度和极低的延迟连接，这对于实时医疗保健服务和物联网的集成至关重要。此外，数据安全和医疗保健系统的纳入，标志着安全和可互操作的数字平台日益重要，而工业4.0则代表了与基于先进技术的自动化系统优化的融合。因此，这些创新将基础设施呈现为可扩展、安全和高性能的数字骨干。
这些精炼的模式和进展展示了向集成智慧医院生态系统的演进，其中智能、信任和基础设施作为相互加强的组成部分发挥作用。AI驱动的分析、隐私保护的分布式智能和可扩展的云边基础设施的融合，反映了向整体系统编排的转变，技术能力日益与安全、互操作性和实时响应性的要求保持一致。
在时间过滤的帮助下进行的文献综述显示，若干尚未被充分研究的问题被表述为智能与安全智慧医院生态系统演进中的结构性缺陷。限制在2021-2023年期间，数据揭示了即使某些领域正在发展，它们仍然很大程度上未被探索，特别是在智能、安全和基础设施层的无缝集成方面。这些差距不仅是部分实施的结果，也代表了当前研究如何解决系统级编排、互操作性和现实生活适用性的根本限制。这些较少被研究的主题在不同主题集群中的分布如图所示，从而提供了研究空白的图形表示，而表格则系统地将这些空白与每个集群的未来研究方向联系起来。同时，从2023年开始发表的论文概述了一系列未来研究，这些研究围绕向更好自适应、易于理解和去中心化模型的转变。这种时间上的区分，为分离哪些仍未充分探索、哪些正作为研究前沿出现提供了严格的基础，从而能够基于未解决的挑战和推进中的创新，形成一个连贯的未来研究议程。
第一个集群涉及智能且安全的AI驱动的物联网医疗系统。在此，文献揭示了即使支持技术正在成熟，当前的进展大多仍是系统碎片化的。物联网、智慧医疗、医疗保健系统和隐私的集成导致了过渡性差距，因为这些元素往往更多地是独立开发，而不是作为统一临床系统的一部分。同时，尽管AI驱动技术已被广泛研究，但它们的大多数应用仍然是模型中心的，并未考虑现实世界的临床工作流程和操作约束。此外，安全措施仍未完全整合到AI-IoMT生命周期中，导致保护和信任管理网络脱节。另一方面，研究的前线正在改变对临床可部署和可信赖AI系统的关注焦点。可解释AI、疾病诊断AI、分类和深度学习都聚焦于使AI可解释、可问责和可在现实世界中使用。与此同时，网络安全、入侵检测和密钥协议的出现，指向了一种新的“安全设计”方法，即保护元素内置于智慧医疗系统本身。医疗物联网（IoMT）的加入是朝着创建全面、智能和安全的医疗保健生态系统迈出的进一步一步，这些生态系统将分析、连接和信任整合在一个操作框架内。
对于描绘去中心化与隐私保护数字健康生态系统的第二个集群，不足尤其涉及可扩展性、互操作性和治理方面。过渡性痕迹表明，智慧医疗系统、雾计算和资源分配等技术强调了系统层面的问题，主要在于组织分布式医疗服务和跨机构管理数据流。另一方面，这些方法在很大程度上仍然是脱节的，而治理因素，如数据所有权、同意管理和机构协调，尚未达到成熟阶段。然而，前沿研究方向揭示了强烈倾向于完全去中心化和隐私保护的智能生态系统，这得益于联邦学习、隐私保护和区块链的集成。这些技术共同使得无需直接数据共享即可进行协作分析成为可能，从而同时解决了可扩展性和隐私问题。转变下一代电子健康记录是一个非常重要的方面。在这种转变中，电子健康记录将从简单的数据存储转变为活态的、可互操作的、去中心化的数据平台。同时，通过强化学习，未来的系统可以是去中心化且自适应的，这些系统将在分布式医疗环境中即时优化资源分配和系统行为。
第三个集群，代表智慧医院生态系统的可扩展云边基础设施，指出了医疗领域中与基础设施能力的实际使用相关的挑战。最近的论文显示，边缘计算、能效和5G等技术正在变得非常流行，但它们在临床工作流程和医疗保健系统中的使用仍然非常稀少。即使存在云和数据平台等基本构件，基础设施性能与医疗保健特定需求（如互操作性和实时响应性）的汇合点仍然非常薄弱地处理。另一方面，前沿研究正朝着智能和自治基础设施生态系统的概念发展，这些系统依赖于数据安全、智能预测和工业4.0来提供实时、自适应和情境感知的医疗保健服务。机器学习正成为主要集成点之一，作为一种连接不同层级的智能形式，机器学习在预测性优化、动态资源管理和医疗保健系统自动编排方面处于领先地位。这种转变也由边缘计算、高速连接和AI的融合驱动，这些都是一个既响应迅速又可扩展的智慧医院环境的要素。
这些发现共同意味着未来的研究不应再关注单独的技术进步，而应关注创建集成、自适应和智能的医院生态系统。此外，所有集群中漏洞的存在清楚地表明，全球范围内使能技术的供应不再是主要问题；相反，主要问题在于它们的系统级集成和与运营的对齐。另一方面，前沿方向显示了一条非常明确的路径，通向可解释智能、去中心化信任和自治基础设施。跨这三个方面的工作将需要一个能够同时解释、沟通和扩展的研究计划，以便将技术创新转化为现实世界的医疗保健服务。
在本研究中，政策分析是通过结合每个集群的要点与技术趋势来进行的，不仅使用基于文献的证据，还参考增强战略图（ESD）作为逻辑框架。主要的新兴、成熟和孤立象限被作为示例，因为它们指的是具有可实际实施的政策影响潜力的技术，同时回到整体模式提供了对这些领域为何需要关注的合理解释。这种方法使得政策建议能够从主题理解贯穿到实际和监管执行，特别是对于像印度尼西亚这样的发展中国家，资源限制、数字能力差距和基础设施问题应被明确考虑。
集群1，即智能且安全的AI驱动物联网医疗系统，其核心焦点是利用AI和智慧医疗来支持运营和临床决策。智慧医疗和AI等技术是该主题的核心，允许医院建立AI治理框架、部署经过验证的临床工具并实施可解释AI模型，确保临床问责制。监管机构应通过定义国家AI标准、认证协议和审计程序来补充这些努力，以确保安全和可互操作的部署。新兴技术如入侵检测和分类进一步强化了这一主题，要求医院遵循网络安全协议、进行网络监控并建立实时威胁检测机制，而监管机构则强制执行合规标准和持续审计要求。成熟的物联网技术将该主题扩展到实际的患者监测和资产追踪，医院应根据互操作性要求将物联网集成到临床运营中，监管机构则确保遵守国家数字健康政策和指南。
在集群2，去中心化与隐私保护数字健康生态系统中，讨论的总体主题是围绕建立信任、安全共享数据和保护隐私。先进技术，如区块链、智慧医疗系统和雾计算，是展示这一主题的主要例子，它们允许医院以去中心化的方式保护健康记录管理系统，另一方面，监管机构应制定关于互操作性、患者同意、数据所有权和可审计性的规则和框架。此外，隐私保护技术，特别是联邦学习和密码学，将需要医院实施隐私保护的数据治理、同意管理和协作分析。而监管机构应负责强制执行多机构协作指南和隐私合规标准。接下来，可穿戴设备本身是远程患者监测的一种手段，医院可以通过标准化的临床和数据集成协议连接可穿戴技术，同时监管机构可以促进设备安全、互操作性标准和国家数字健康推广政策。
集群3，智慧医院生态系统的可扩展云边基础设施，主要关注在智慧医院中构建最有效、持久和数据驱动的基础设施这一主要主题。帮助我们理解这一主题的基础机器学习技术是医院运营的体现，即通过实施预测性维护、优化临床工作流程和基于数据的分析。另一方面，监管机构的作用是设定绩效指标和评估系统的标准，以确保其在指导采纳方面的有效性。至于新的无线传感器网络和节能技术，它们要求医院实践资源优化、能源管理和实施可持续IT。此外，监管机构不仅应设定能效要求，还应提供资金激励以促进可持续医疗基础设施的发展。此外，成熟的云计算和大数据工具支持可扩展数据管理、确保互操作性和安全信息交换的能力。在这种情况下，医院应是将云边设置与临床和运营系统整合在一起的机构。另一方面，监管机构需要创建国家云健康基础设施计划以及公私数据共享机制，以促进互操作性和可扩展性。
通过明确连接集群的关键思想与技术象限、政策制定和实施层面，这个组合的故事创建了一条从分析到实际政策的逻辑“主线”。它识别出主要是在发展中国家背景下的医院，作为能够通过遵循精心规划、逐步实施且注意资源利用的策略，将自己转变为智慧医院的主要行动者，而监管机构作为赋能者和协调者，提供确保互操作性、安全和标准化的法律、技术和制度框架。此外，这里的建议不仅在理论上是合理的，而且在实际操作中也是可行的，允许基于基础设施水平和组织准备程度逐步采纳创新，而无需全面改革。因此，结合主题模式、使用ESD进行技术优先级排序以及针对不同角色的政策指导的框架，提供了情境敏感且基于证据的建议，有助于缩小研究知识与医疗实践之间的差距。
本研究通过将文献计量分析、范围综述和PAGER框架相结合，对智能与安全智慧医院生态系统的不断演变的格局，提供了结构化的、基于证据的综合。结果确定了表征该领域的三个紧密联系的支柱，即AI驱动的智能医疗系统、去中心化隐私保护数据生态系统和高度可扩展的云边基础设施。这些支柱作为一个整体，表明从孤立的技术采用向更集成、以生态系统为导向的范式的转变，其中智能、信任和基础设施紧密相关。然而，研究也指出，在AI、区块链和云技术方面已取得重大进展，但在互操作性、现实世界应用、治理和跨层集成方面仍存在重要限制。认识到这些欠发达领域为后续研究提供了强大动力，明确指出需要超越单一创新，采用整体和系统级的方法。
从实践和政策的角度来看，这项研究表明，如果治理和实施策略不与技术进步保持一致，那么技术本身的进步是不够的。通过结合文献计量模式与增强战略图，可以绘制出有价值的见解，并制定不仅与区域相关而且可行的政策，特别是对像印度尼西亚这样的发展中国家。建议医院规范化AI治理，加强网络安全和数据管理标准，并采用可扩展的数字基础设施。同时，政府通过立法、建立互操作性标准和国家数字健康战略，对这一领导角色做出重要贡献。对创新、治理和可扩展性的共同强调表明，一个智慧医院生态系统可以提供显著改善的医疗保健服务。这种通过数字转型实现的改善，只有当技术和制度维度得到适当协调时，才是可持续和公平的。
作者贡献：AW负责概念化、方法论、数据整理、正式分析、可视化以及初稿撰写。WMB提供数据整理和正式分析支持，并对稿件进行批判性审阅和编辑。BH参与数据解释、验证以及审阅和编辑。CS参与审阅和编辑。所有作者均已阅读并同意投稿至已发表版本的稿件。
【全文结束】