AI 审稿 Prompt 模板：统计审查、论文修改和返修回复

为什么需要 AI 审稿 Prompt

很多医学科研作者在投稿前会遇到同一个问题：论文已经写完，但不知道审稿人会从哪些角度质疑研究设计、统计分析、结果解释和临床意义。搜索中出现的“chatgpt 审稿 prompt”“ai 审稿提示词”“论文审稿 skill”等需求，本质上都指向一种投稿前自查工具。

AI 审稿 Prompt 的价值不是替代同行评议，而是把常见审稿维度结构化，帮助作者在真正投稿或返修前发现表达不清、逻辑跳跃、方法缺失和结果过度解读等问题。对于医学论文尤其重要，因为研究结论往往涉及患者样本、诊断标准、干预措施、结局指标和统计模型，任何一个环节不清楚都可能影响可信度。

在使用这类 Prompt 时，应把 AI 看作“模拟审稿问题生成器”和“写作检查助手”，而不是最终判断者。医学结论必须回到原始论文、PMID/DOI、研究方法、样本来源、结局定义和统计结果中核对。

适用人群和使用场景

本方法页适合准备投稿、正在返修，或希望在投稿前自查论文质量的医学科研作者。它也适合研究生、住院医师、临床科研团队在内部讨论前快速整理问题清单。

如果你还处在选题或文献综述阶段，可以先参考 /methods 中的研究方法内容；如果需要比较不同 AI 工具的适用性，可以查看 /compare；如果你需要按疾病、干预或研究类型整理资料，可以从 /topics 进入。

实用工作流：从论文草稿到返修清单

推荐把 AI 审稿分成多轮，而不是一次性要求模型“帮我审稿”。单次输入全文容易得到泛泛而谈的反馈，多轮分解更接近真实审稿过程。

1. 第一步：输入研究摘要和目标期刊范围。让 AI 判断研究问题是否清晰、创新点是否可被审稿人理解。
2. 第二步：单独输入方法部分。要求 AI 从研究设计、纳入排除标准、样本量、暴露或干预定义、结局指标、偏倚控制等角度提出问题。
3. 第三步：输入统计分析部分。要求检查统计方法与数据类型、研究设计和结局变量是否匹配。
4. 第四步：输入结果和图表说明。让 AI 检查主要结果、次要结果、亚组分析和敏感性分析是否表达一致。
5. 第五步：输入讨论和结论。要求识别过度推断、临床意义夸大、局限性遗漏和与既往研究对比不足。
6. 第六步：整理问题清单。把 AI 生成的问题分为必须修改、建议修改和可解释不修改三类。

这个流程的关键是每轮都让 AI 输出“可能的审稿意见”和“作者可采取的修改动作”，而不只是要求润色文字。

核心 Prompt 模板：模拟审稿人

下面的模板可用于投稿前自查。建议将“论文类型”“目标期刊方向”“研究对象”“主要结局”等信息补齐，避免 AI 产生过于宽泛的意见。

Prompt：请你扮演一名医学期刊审稿人，基于我提供的论文内容，从研究问题、创新性、研究设计、样本来源、纳入排除标准、变量定义、统计方法、结果解释、局限性和伦理合规性角度进行审稿。请输出：1）3-5 条 major comments；2）5-8 条 minor comments；3）每条意见对应的修改建议；4）哪些问题必须回到原始数据或原文献核对。不要给出临床建议，不要编造文献。

如果你只想检查某一部分，可以把任务收窄。例如只检查方法学，就明确要求 AI 不评价讨论部分；只检查摘要，就要求它核对背景、目的、方法、结果和结论是否一致。

按论文模块拆解 Prompt

研究问题和创新性

Prompt：请判断以下研究问题是否明确，PICO 或研究对象、暴露、比较、结局是否清楚。请指出创新性表述是否具体，是否只是重复“目前研究较少”这类泛化表达，并给出更可验证的写法。

方法和样本

Prompt：请从医学研究方法学角度检查以下方法部分，重点关注研究设计、数据来源、时间范围、纳入排除标准、样本量依据、失访或缺失数据处理、混杂因素控制和伦理审批描述。请列出可能被审稿人质疑的点。

统计分析

Prompt：请检查以下统计分析是否与研究设计和结局变量匹配。请关注正态性检验、组间比较方法、回归模型选择、协变量纳入依据、多重比较、亚组分析、敏感性分析、效应量、置信区间和 P 值解释。请指出哪些内容需要统计专业人员复核。

结果解释和局限性

Prompt：请检查讨论部分是否存在因果推断过强、把相关性写成因果、外推到不适用人群、忽略样本选择偏倚、未解释阴性结果或过度强调统计显著性的情况。请给出更谨慎的表达建议。

摘要和标题

Prompt：请检查标题和摘要是否准确反映研究设计、样本、主要结局和主要发现。请指出是否存在结论超出数据、遗漏关键统计结果、缩写未解释或方法描述不足的问题。

返修回复 Prompt：把审稿意见转成行动清单

收到审稿意见后，不建议直接让 AI 代写“感谢审稿人”的套话。更实用的做法是让 AI 帮你拆解每条意见的真实要求：需要补充分析、补充文献、改写讨论，还是只需要解释。

Prompt：以下是审稿意见和我的初步想法。请将每条意见拆解为：1）审稿人真正关心的问题；2）需要补充的数据、分析或文本修改；3）回复信的逻辑结构；4）适合在正文中修改的位置；5）不能仅靠文字解释、必须实质修改的部分。请保持语气专业，不要编造已经完成的分析。

对于返修回复，AI 可以帮助组织语言，但不能替你决定是否补做统计分析、是否改变主要结论，也不能虚构补充实验或数据。所有改动都要能在论文正文、表格、补充材料或原始分析中找到对应证据。

风险与边界：AI 不能替代真实同行评议

AI 审稿提示词有明显边界。它可能指出常见缺陷，也可能遗漏专业领域中真正关键的问题；它可能把合理做法误判为缺陷，也可能因为训练语料中的常见模式而给出模板化建议。

医学研究尤其不能只依赖 AI 输出。凡是涉及医学结论、治疗效果、诊断准确性、预后判断或安全性描述，都必须核对原始论文、PMID/DOI、研究方法、样本量、入组标准、主要和次要结局、统计模型、效应量、置信区间和 P 值。AI 生成的反馈不能作为临床建议，也不能替代伦理审查、统计审查或期刊同行评议。

如果 AI 建议引用某篇文献，应要求提供可核验的 PMID 或 DOI，并到数据库中确认题名、作者、年份、研究类型和结论是否真实一致。不要直接使用无法核验的参考文献。

如何把 AI 审稿结果落地

建议把 AI 反馈整理成一个三列表格：问题、证据位置、处理决定。问题来自 AI 或人工审读；证据位置包括正文段落、表格、图、补充材料、统计代码或原始文献；处理决定包括修改、补充分析、解释不修改或删除表述。

如果你使用多个工具或提示词，可以把它们放在 /tools 的工具清单思路下管理：一个用于方法学审查，一个用于统计表达检查，一个用于摘要压缩，一个用于返修信。更多写作和检索资料可归档到 /resources。

最终目标不是让 AI 给论文“打高分”，而是提前暴露审稿人可能抓住的问题。只要能帮助你更清楚地说明研究设计、更谨慎地解释结果、更完整地回应局限性，这类 AI 审稿 Prompt 就有实际价值。