Bibliometric analysis on artificial intelligence in gynaecology and obstetrics

Abstract

Abstract Background: Artificial intelligence (AI) has the potential to offer innovative solutions to long-standing problems in gynaecology and obstetrics, such as understanding foetal physiology, improving pregnancy monitoring, and unravelling the molecular complexity of gynaecological cancers. This study comprehensively examines the growing role of AI in this field of medicine and its reflections in scientific literature. Methods: In this study, scientific publications addressing the applications of AI in gynaecology and obstetrics were analysed using bibliometric methods. The articles obtained from the Web of Science database search were examined based on key indicators such as publication numbers, citation trends, collaboration networks, main research areas, and the most influential countries/institutions. Analyses were performed using Vosviewer. Results: A total of 701 articles reviewed and the majority of publications (more than 90%) were published after 2020, respectively, China and the United States were leading the publications. International cooperation was common, with Harvard and Oxford among the institutions mentioned. Most articles were OA, with the National Natural Science Foundation of China (NSFC) as the major funding organization. Based on topics and keywords we can concluded that the authors have focused on deep learning workout, foetal monitoring, and gynaecological cancers. Conclusions: Focusing on critical issues such as foetal monitoring and gynaecological cancers, the global importance of this field is demonstrated by intensive international collaboration led by China and the United States. Keywords: bibliometric analysis; artificial intelligence; gynaecology; obstetrics

Keywords

• bibliometric analysis
• artificial intelligence
• gynaecology
• obstetrics

Kadın Hastalıkları ve Doğumda Yapay Zekâ Üzerine Bibliyometrik Analiz

Abstract

Amaç: Yapay zekâ (YZ), fetal fizyolojinin daha iyi anlaşılması, gebelik izleminin iyileştirilmesi ve jinekolojik kanserlerin moleküler karmaşıklığının çözümlenmesi gibi kadın hastalıkları ve doğum alanında uzun süredir var olan sorunlara yenilikçi çözümler sunma potansiyeline sahiptir. Bu çalışma, yapay zekânın kadın hastalıkları ve doğum alanındaki giderek artan rolünü ve bu gelişmelerin bilimsel literatüre yansımalarını kapsamlı bir şekilde incelemeyi amaçlamaktadır. Yöntemler: Bu çalışmada, kadın hastalıkları ve doğum alanında yapay zekâ uygulamalarını ele alan bilimsel yayınlar bibliyometrik yöntemler kullanılarak analiz edilmiştir. Web of Science veritabanında yapılan tarama sonucunda elde edilen makaleler; yayın sayıları, atıf eğilimleri, iş birliği ağları, temel araştırma alanları ile en etkili ülke ve kurumlar açısından değerlendirilmiştir. Tüm analizler VOSviewer yazılımı kullanılarak gerçekleştirilmiştir. Bulgular: Toplam 701 makale incelenmiş olup, yayınların %90’dan fazlasının 2020 yılı sonrasında yayımlandığı görülmüştür. Yayın sayısı açısından Çin ve Amerika Birleşik Devletleri öne çıkarken, uluslararası iş birliğinin yaygın olduğu ve Harvard ile Oxford üniversitelerinin önde gelen kurumlar arasında yer aldığı saptanmıştır. Çalışmaların büyük bir kısmı açık erişimli olup, en önemli finansman sağlayıcının Çin Ulusal Doğa Bilimleri Vakfı (NSFC) olduğu belirlenmiştir. Konu ve anahtar kelime analizleri, araştırmaların özellikle derin öğrenme yöntemleri, fetal izlem ve jinekolojik kanserler üzerinde yoğunlaştığını göstermektedir. Sonuç: Fetal izlem ve jinekolojik kanserler gibi kritik alanlara odaklanan yapay zekâ araştırmaları, Çin ve Amerika Birleşik Devletleri öncülüğünde yürütülen yoğun uluslararası iş birlikleri ile bu alanın küresel düzeyde artan önemini ortaya koymaktadır.

Keywords

• bibliyometrik analiz
• yapay zeka
• jinekoloji
• obstetri

References

1. 1. Iftikhar P, Kuijpers MV, Khayyat A, Iftikhar A, DeGouvia De Sa M. Artificial intelligence: a new paradigm in obstetrics and gynecology research and clinical practice. Cureus. 2020;12(2):e7124.
2. 2. Medjedovic E, Stanojevic M, Jonuzovic-Prosic S, et al. Artificial intelligence as a new answer to old challenges in maternal-fetal medicine and obstetrics. Technol Health Care. 2024;32(3):1273-87.
3. 3. Gale C, Statnikov Y, Jawad S, et al. Neonatal brain injuries in England: population-based incidence derived from routinely recorded clinical data held in the national neonatal research database. Arch Dis Child Fetal Neonatal Ed. 2018;103(4):301-06.
4. 4. Williams P, Murchie P, Bond C. Patient and primary care delays in the diagnostic pathway of gynaecological cancers: a systematic review of influencing factors. Br J Gen Pract. 2019;69(679):106-11.
5. 5. NHS. IVF. Accessed August 5, 2025. https://www.nhs.uk/conditions/ivf/ 6. Emin EI, Emin E, Papalois A, et al. Artificial intelligence in obstetrics and gynaecology: is this the way forward? In Vivo. 2019;33(5):1547-51.
6. 7. Van Eck N, Waltman L. Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics. 2010;84(2):523-38.
7. 8. Xiao P, Li L, Qu J, Wang G. Global research hotspots and trends on robotic surgery in obstetrics and gynecology: a bibliometric analysis based on VOSviewer. Front Surg. 2024;11:1308489.
8. 9. Levin G, Siedhoff M, Wright KN, et al. Robotic surgery in obstetrics and gynecology: a bibliometric study. J Robot Surg. 2023;17(5):2387-97.

9. 10.Huang Q, Su W, Li S, et al. A bibliometric analysis of artificial intelligence applied to cervical cancer. Front Med. 2025;12:1562818.
10. 11. Zhao Z, Hu B, Xu K, et al. A quantitative analysis of artificial intelligence research in cervical cancer: a bibliometric approach utilizing CiteSpace and VOSviewer. Front Oncol. 2024;14:1431142.
11. 12.Dhombres F, Bonnard J, Bailly K, et al. Contributions of artificial intelligence reported in obstetrics and gynecology journals: systematic review. J Med Internet Res. 2022;24(4):e35465.
12. 13.Devoe LD, Muhanna M, Maher J 3rd, Evans MI, Klein-Seetharaman J. Current state of artificial intelligence model development in obstetrics. Obstet Gynecol. 2025;146(2):233-43.