在人工智能、大數(shù)據(jù)和知識(shí)圖譜等新技術(shù)不斷發(fā)展的背景下，醫(yī)學(xué)研究和臨床決策的模式正在逐步發(fā)生變化。面對(duì)醫(yī)學(xué)信息的快速積累和臨床問(wèn)題的日益復(fù)雜，如何在新技術(shù)的支持下保持循證醫(yī)學(xué)（Evidence-Based Medicine, EBM）的科學(xué)性與嚴(yán)謹(jǐn)性，成為學(xué)界關(guān)注的重要議題。

蘭州大學(xué)葛龍團(tuán)隊(duì)在《科學(xué)通報(bào)》發(fā)表的文章“數(shù)智循證醫(yī)學(xué)：AI時(shí)代循證研究與實(shí)踐新方向”，嘗試提出并闡釋“數(shù)智循證醫(yī)學(xué)”（Digital Intelligent Evidence-Based Medicine, i-EBM）的概念，探討其在人工智能時(shí)代下的理論框架與應(yīng)用前景。這一探索為理解AI技術(shù)與循證醫(yī)學(xué)的融合提供了新的視角。

循證醫(yī)學(xué)的發(fā)展與新挑戰(zhàn)

循證醫(yī)學(xué)自20世紀(jì)90年代提出以來(lái)，極大地推動(dòng)了臨床決策的科學(xué)化與標(biāo)準(zhǔn)化。它倡導(dǎo)在最佳研究證據(jù)、臨床經(jīng)驗(yàn)與患者價(jià)值之間取得平衡，對(duì)醫(yī)學(xué)教育、科研及實(shí)踐均產(chǎn)生了深遠(yuǎn)影響。

然而，隨著臨床實(shí)踐環(huán)境的變化和醫(yī)學(xué)數(shù)據(jù)的指數(shù)級(jí)增長(zhǎng)，傳統(tǒng)循證體系也面臨新的挑戰(zhàn)：

• 醫(yī)學(xué)證據(jù)更新速度加快，文獻(xiàn)體量龐大，人工整合難度增大；
• 數(shù)據(jù)來(lái)源日益多樣，傳統(tǒng)研究設(shè)計(jì)難以完全覆蓋真實(shí)世界場(chǎng)景；
• 個(gè)體差異和復(fù)雜干預(yù)因素不斷凸顯，對(duì)個(gè)體化循證提出更高要求。

這些變化提示我們，循證醫(yī)學(xué)的理念需要在保持科學(xué)精神的前提下，適度吸納新技術(shù)手段，探索新的研究與應(yīng)用模式。

“數(shù)智循證醫(yī)學(xué)”的提出

在此背景下，作者團(tuán)隊(duì)提出“數(shù)智循證醫(yī)學(xué)”（i-EBM）的概念。
這一理念并非對(duì)傳統(tǒng)EBM的替代，而是希望在人工智能技術(shù)的輔助下，進(jìn)一步擴(kuò)展和完善循證醫(yī)學(xué)的框架。

文章指出，i-EBM的核心特征主要體現(xiàn)在三個(gè)方面：

1. 整合性（Integrated）
i-EBM強(qiáng)調(diào)對(duì)多源異構(gòu)數(shù)據(jù)的整合，包括臨床試驗(yàn)數(shù)據(jù)、真實(shí)世界證據(jù)、電子病歷信息、組學(xué)數(shù)據(jù)、影像資料等。通過(guò)AI和知識(shí)圖譜技術(shù)，促進(jìn)不同層級(jí)證據(jù)之間的關(guān)聯(lián)與互證，構(gòu)建更完整的證據(jù)網(wǎng)絡(luò)。

2. 智能化（Intelligent）
借助自然語(yǔ)言處理、大模型推理與因果推斷等方法，AI能夠在文獻(xiàn)篩選、數(shù)據(jù)提取、結(jié)果匯總等環(huán)節(jié)提供輔助支持。i-EBM希望在保證科學(xué)審慎的前提下，利用技術(shù)手段提高循證研究的效率與一致性。

3. 個(gè)體化（Individualized）
在臨床決策中，i-EBM倡導(dǎo)基于個(gè)體特征的精準(zhǔn)證據(jù)使用。通過(guò)多維度數(shù)據(jù)分析，探索不同人群、不同病程階段下的最佳干預(yù)方案，從而更好地實(shí)現(xiàn)以患者為中心的決策支持。

中醫(yī)藥研究的潛在應(yīng)用場(chǎng)景

文章還特別關(guān)注了i-EBM在中醫(yī)藥領(lǐng)域的應(yīng)用潛力。
中醫(yī)藥具有整體性強(qiáng)、干預(yù)模式復(fù)雜、辨證論治個(gè)體化等特點(diǎn)，長(zhǎng)期以來(lái)在循證研究中存在證據(jù)整合困難、量化評(píng)價(jià)體系不完善等問(wèn)題。

i-EBM提供了一種新的思路：

• 通過(guò)AI的模式識(shí)別和因果推斷功能，探索辨證論治與疾病表型之間的潛在規(guī)律；
• 借助數(shù)據(jù)整合與知識(shí)圖譜方法，揭示中醫(yī)藥多成分、多靶點(diǎn)的作用網(wǎng)絡(luò)；
• 在復(fù)雜干預(yù)評(píng)價(jià)中引入智能算法，促進(jìn)中醫(yī)藥證據(jù)體系的現(xiàn)代化與國(guó)際化。

這些探索仍處于早期階段，但展示了AI與傳統(tǒng)醫(yī)學(xué)結(jié)合的可能方向，也為跨學(xué)科合作提供了新的契機(jī)。

AI與循證醫(yī)學(xué)的協(xié)同前景

人工智能的發(fā)展為循證研究提供了強(qiáng)大的技術(shù)支撐，但同時(shí)也帶來(lái)了方法學(xué)和倫理上的新挑戰(zhàn)。
作者在文中指出，i-EBM的理念并不意味著完全依賴(lài)技術(shù)，而是強(qiáng)調(diào)人機(jī)協(xié)同：

• 人類(lèi)專(zhuān)家負(fù)責(zé)把握科學(xué)邏輯與臨床判斷；
• AI系統(tǒng)承擔(dān)數(shù)據(jù)處理與模式識(shí)別等繁重任務(wù)；
• 雙方的合作使證據(jù)生成更加高效、透明與可追溯。

這種協(xié)同關(guān)系有助于構(gòu)建一個(gè)動(dòng)態(tài)更新的循證生態(tài)，使醫(yī)學(xué)證據(jù)從靜態(tài)積累走向持續(xù)演化，更貼近臨床實(shí)際與個(gè)體需求。

數(shù)智循證醫(yī)學(xué)的提出，是作者團(tuán)隊(duì)基于循證醫(yī)學(xué)核心理念的一次探索性延伸。它希望在保持EBM科學(xué)內(nèi)核的同時(shí)，吸納人工智能、大數(shù)據(jù)等新技術(shù)的優(yōu)勢(shì)，推動(dòng)循證研究與實(shí)踐更好地適應(yīng)現(xiàn)代醫(yī)學(xué)的發(fā)展需求。

這一概念的提出并非對(duì)傳統(tǒng)體系的顛覆，而是一種建設(shè)性的思考——如何讓技術(shù)服務(wù)于科學(xué)，如何讓智能賦能于決策。

正如作者在文中所強(qiáng)調(diào)的，i-EBM仍處于理論探索階段，未來(lái)的發(fā)展有賴(lài)于跨學(xué)科的合作、方法學(xué)的驗(yàn)證以及倫理框架的完善。
但無(wú)論如何，它代表了一種值得關(guān)注的努力：在數(shù)智時(shí)代的浪潮中，以循證思維為核心，以科技創(chuàng)新為動(dòng)力，持續(xù)探索更加科學(xué)、開(kāi)放與個(gè)體化的醫(yī)學(xué)證據(jù)體系。

文章信息

賴(lài)?guó)欚?，馬寧，趙威龍，等. 數(shù)智循證醫(yī)學(xué)：AI時(shí)代循證研究與實(shí)踐新方向. 科學(xué)通報(bào), 2025

https://doi.org/10.1360/CSB-2025-5395

轉(zhuǎn)載、投稿請(qǐng)留言

| 關(guān)注科學(xué)通報(bào) | 了解科學(xué)前沿