Elicit

这个工具解决什么问题

Elicit 是一个面向学术文献检索和论文信息提取的 AI 工具。对医学科研人员来说，它最有用的地方不是替你“写结论”，而是把一批论文中分散的研究设计、样本量、患者人群、干预、对照和结局信息先整理成可检查的表格。

医学研究中的文献工作通常很耗时。一个系统评价问题可能涉及数百篇题录，临床医生准备一次循证汇报也需要快速判断哪些研究可靠、哪些只是背景材料。Elicit 可以帮助用户用自然语言提出问题，再基于相关论文生成候选列表和摘要式信息。

它尤其适合前期探索：确定一个课题是否已有足够研究、识别常用结局指标、观察研究设计分布、初步提取 PICO 信息。对于正式发表的系统综述，它不能替代数据库检索式、双人筛选和原文核对，但可以减少早期机械整理的负担。

适合的医学科研场景

如果你的任务是整理英文医学文献，Elicit 的价值会比较明显。例如，系统综述作者可以把研究问题写成 PICO 形式，然后让工具返回相关论文，并设置列来提取人群、干预、对照、结局、样本量、研究类型和随访时间。

临床医生可以用它快速了解某个治疗方案、诊断技术或预后模型的证据轮廓。它可以帮助你看见哪些研究是随机试验，哪些是队列研究，哪些只报告替代终点。这样在准备科室汇报或课题讨论时，可以更快进入原文精读阶段。

生信、组学和影像研究者也可以使用 Elicit 做课题扫描。例如，整理某基因与疾病预后的研究、某单细胞测序技术在肿瘤微环境中的应用、某影像 AI 模型在外部验证中的表现。通过自定义提取列，可以把平台、样本来源、验证队列、AUC、C-index 或主要生物标志物整理出来。

• 系统综述：初筛题录、提取 PICO、生成待核对证据表。
• 临床汇报：快速比较治疗、诊断或预后研究的主要结论。
• 课题立项：判断某研究方向是否已有大量重复研究或仍存在空白。
• 组学研究：整理数据来源、检测平台、疾病亚型和关键分子指标。
• 影像研究：提取影像模态、训练集、验证集、模型指标和外部验证情况。

不适合的情况

Elicit 不适合作为正式系统评价的唯一检索工具。医学综述通常需要可复现的数据库检索策略，包括 PubMed、Embase、Cochrane Library、Web of Science 或专业数据库。检索式、检索日期、筛选流程和排除理由都需要记录，AI 搜索结果本身不能替代这些方法学要求。

它也不适合直接用于患者个体诊疗决策。工具返回的是文献层面的摘要和提取信息，不能判断某位患者的合并症、禁忌证、用药相互作用和当地指南要求。临床应用仍需由医生结合指南、原文证据和患者情况判断。

对非英文文献、扫描版 PDF、会议摘要、补充材料和格式复杂的论文，AI 提取可能不完整。某些关键信息可能藏在图表、附录或统计分析部分，不能只看工具生成的表格。效应量、置信区间、P 值、不良事件和亚组分析尤其需要人工复核。

在医学科研中，Elicit 更适合作为“候选证据整理器”，不应被当作最终证据裁判。

核心功能怎么用

使用时建议先把问题写清楚。相比输入“diabetes treatment”，更好的写法是“metformin cardiovascular outcomes adults with type 2 diabetes randomized trial”。这样的表达能让工具更接近你的纳入标准，也方便后续设置提取字段。

得到论文列表后，不要立即接受结果。应先检查标题、摘要、发表年份、研究类型和人群是否匹配。对不相关或证据等级明显不符合的问题，应及时删除或标记。这个步骤类似系统评价中的初筛，只是速度更快。

接下来可以建立提取表格。对干预研究，可设置患者人群、干预、对照、主要终点、随访时间、样本量和主要结果。对诊断研究，可设置金标准、敏感度、特异度、AUC、样本来源和验证方式。对预后模型，可设置变量、建模方法、内部验证、外部验证和校准情况。

质量控制要点

医学科研对可追溯性要求很高。使用 Elicit 后，建议把每个关键字段都回到原文核对，并记录页码、表格编号或原句依据。若工具提取的内容与原文不一致，应以原文为准，并在自己的表格中保留修正痕迹。

不要让工具替你完成方法学评价。随机序列生成、分配隐藏、盲法、失访、选择性报告、混杂控制和外部验证质量，都需要研究者根据 RoB 2、ROBINS-I、QUADAS-2、PROBAST 或相应工具进行判断。Elicit 可以帮助定位信息，但不能保证评价结论正确。

在团队协作中，可以把 Elicit 生成的表格作为初稿，再由两名研究者独立核对。分歧应通过原文讨论解决。这样既能利用 AI 提升效率，又能保留系统综述和证据评价需要的人工审查环节。

隐私、版权与数据边界

上传 PDF 前要确认材料是否可以放入第三方平台。已发表开放获取论文通常风险较低，但机构订阅数据库下载的全文、未发表手稿、审稿材料、课题内部数据和任何含患者可识别信息的文件，都应谨慎处理。具体边界需以机构规定和 Elicit 官方隐私政策为准。

如果研究涉及真实世界数据、病例资料、影像原始数据或伦理审批限制，不建议直接上传。可以改用公开论文题录、摘要或不含敏感信息的字段进行检索。医学科研中的数据安全责任仍在研究团队，而不是工具本身。

与同类工具的区别

与 ResearchRabbit 相比，Elicit 更偏向根据研究问题建立论文表格和提取字段；ResearchRabbit 更适合发现相似论文、作者网络和引用关系。两者可以搭配使用：先用 ResearchRabbit 扩展文献网络，再用 Elicit 做字段整理。

与 Scite.ai 相比，Elicit 的重点不是分析一篇论文被如何引用，而是围绕问题汇总多篇论文的信息。Scite.ai 更适合判断某个结论在后续文献中是被支持、质疑还是简单提及。若需要评估争议性证据，可以在 Elicit 初筛后再用 Scite.ai 查看引用语境。

与 PubMed 相比，Elicit 的交互更自然，表格提取更方便，但 PubMed 的检索可复现性、医学主题词体系和数据库权威性仍然重要。正式医学综述不应绕开 PubMed、Embase、Cochrane 等数据库。

编辑建议

对医学研究生和临床医生来说，Elicit 可以作为文献工作流中的早期助手。它适合帮你更快找到候选论文、形成提取表格、定位需要精读的原文。真正进入论文写作、证据分级和临床解释时，仍需要研究者自己完成判断。

比较稳妥的用法是：用 Elicit 做探索和初步提取，用专业数据库完成正式检索，用 Zotero 或 EndNote 管理文献，用 Covidence 或 Rayyan 做筛选记录，再由研究团队完成原文核对、偏倚风险评价和结果综合。这样更符合医学科研的质量要求。