本研究旨在运用文献计量学方法，系统可视化分析人工智能（AI）技术在中轴型脊柱关节炎（axial spondyloarthritis, axSpA）领域中的研究现状、热点主题及发展趋势，为后续研究方向提供循证依据。

本研究基于Web of Science核心合集数据库，采用主题词与自由词相结合的检索策略，系统检索2015年1月至2025年12月期间发表的与人工智能和中轴型脊柱关节炎相关的文献。检索词涵盖"artificial intelligence"、"machine learning"、"deep learning"、"neural network"、"axial spondyloarthritis"、"ankylosing spondylitis"、"sacroiliitis"等核心概念及其同义词扩展。纳入标准包括：研究类型为原创性研究、综述或Meta分析；研究对象为axSpA患者或相关动物模型；研究内容涉及AI技术的应用。排除标准包括：会议摘要、社论、重复发表及数据不完整的文献。最终纳入文献经EndNote去重后，采用VOSviewer 1.6.20软件进行文献计量学可视化分析，具体包括：国家/地区合作网络分析、机构贡献度分析、作者共被引分析、关键词共现聚类分析以及时间演化趋势分析。可视化图谱中节点大小代表出现频次，连线粗细代表合作强度，颜色区分不同聚类或时间演化阶段。

共纳入215篇文献，美国、中国、德国形成三极核心；深度学习、影像组学与骶髂关节MRI成为三大热点聚类；2018年后研究重点从“图像识别”转向“预后预测”。

当前，人工智能应用于axSpA研究正处于快速上升期，呈现出从单一影像诊断向全病程智能管理拓展的明显趋势。未来突破方向应包括：建立大规模、多中心、多模态的axSpA专病数据库；开发具有临床可解释性的深度学习模型；推进AI辅助诊断系统的真实世界验证与临床转化；探索生成式AI在患者教育和临床决策支持中的创新应用。随着算法的持续优化和临床数据的不断积累，AI有望成为axSpA精准诊疗的重要突破方向，最终实现早期诊断、精准分型、个体化治疗的目标。