Проведён библиометрический анализ публикаций в PubMed, посвящённых применению больших языковых моделей (LLM) и генеративного искусственного интеллекта в организации онкологической помощи, улучшении качества, клинических рабочих процессах, коммуникации с пациентами, поддержке выживших после рака, контроле симптомов и поддержке принятия решений. Библиографические данные анализировались с помощью VOSviewer для построения сетей соавторства, межорганизационного сотрудничества и совместной встречаемости ключевых слов.

Идентифицировано примерно 400 публикаций. Анализ соавторства выявил коллаборативный, но фрагментированный исследовательский ландшафт: 59 авторов в 14 кластерах сотрудничества (total link strength [TLS]=478). Организационный анализ определил 55 учреждений в 23 кластерах (TLS=167), среди которых ведущие академические онкологические центры и программы биомедицинской информатики — Boston Children's Hospital, Harvard Medical School, Dana-Farber Cancer Institute и крупные европейские исследовательские сети.

Анализ совместной встречаемости ключевых слов выявил 70 ключевых слов в 7 тематических кластерах (622 связи; TLS=1109). Наиболее влиятельные темы: обработка естественного языка (NLP), электронные медицинские карты, клиническая поддержка принятия решений, системы поддержки решений, коммуникация, документация, прецизионная медицина и оптимизация рабочих процессов.

Оверлейная визуализация показала недавний сдвиг в сторону приложений на основе генеративного ИИ: prompt engineering, retrieval-augmented generation, коммуникация с пациентами, помощь в документировании и оптимизация рабочих процессов. Появляющиеся темы подчёркивают растущий интерес к пациент-ориентированной помощи, медицинской грамотности, телемедицине, поддержке выживших после рака и мультидисциплинарной онкологической практике.

Исследования LLM и генеративного ИИ в организации онкологической помощи быстро расширяются и характеризуются мультидисциплинарным сотрудничеством между онкологией, биомедицинской информатикой и вычислительными науками о здоровье. Текущие исследования эволюционируют от традиционных приложений поддержки принятия решений к пациент-ориентированной коммуникации, автоматизации документооборота и оптимизации рабочих процессов. Результаты выделяют ключевые возможности для будущего внедрения и оценки технологий генеративного ИИ с целью улучшения качества, эффективности и доступности онкологической помощи.