米兰官网-健康研究相互矛盾　AI出手“了断纷争”—新闻—科学网

“多吃盐”还有是“少吃盐”；“胖一点好”还有是“瘦一点好”；某项熬炼是否有用……糊口中，咱们常听到关在饮食、运动及康健的各类“建议”。许多建议颠末严谨的研究，发表在“顶刊”，但结论却众口纷纭，甚至彼此抵三木SEO-牾，让人莫衷一是。

近日，北京年夜学医学部助理传授杜建团队于《天然－通信》发表论文，提出使用年夜语言模子（LLM）实现“证据三角丈量”，从而高效、客不雅地整合差别来历的研究结论，为处置惩罚医学证据抵牾、举行科学决议计划斥地了新路径。

?

研究要领差别带来结论差异

“许多严谨的科学研究却呈现彼此抵牾的结论，是由于医学研究类型多样而至。”杜建告诉《中国科学报》，“康健研究有许多要领，如不雅察性研究、随机比照实验、孟德尔随机化等，这些要领于设计道理、合用场景及论证强度上各有特色，这往往造成研究结论存于差异。”

差别的研究要领各有上风，但也有着潜于误差。好比不雅察性研究以不雅察人群的糊口习气及康健成果为主；随机比照实验会严酷节制变量举行试验；而孟德尔随机化研究看重使用基因差异揣度因果瓜葛等。

“假如差别研究设计患上出的结论一致，那末这类结论的可托度就更高。”杜建注释说，“这就是咱们‘证据三角丈量’（Evidence Triangulation Analysis，ETA）的基本思惟。”

人工智能饰演“证据裁判”

证据三角丈量的设法很好，但医学康健文献浩如烟海，依赖人工查找及总结文献，不仅耗时耗力，并且轻易受研究者主不雅判定影响。

“以往，整合这些证据依靠研究职员手工检索及比对于文献，需要年夜量浏览、筛选、记载、比力差别类型的文献，不仅费时、吃力、效率低下，还有轻易遭到研究者影响，缺少可扩大的主动化要领。”该论文配合作者、北京年夜学医学部博士生史轩宇说。

为此，研究团队设计出一套基在人工智能的两步流程。

起首，利用年夜语言模子主动从科学文献中辨认出“袒露因素”（如高盐摄取）及“康健终局”（如血压变化），并判定它们之间的瓜葛标的目的和其显著性。随后，体系对于差别研究设计所获得的证据举行一致性量化阐发，主动计较出“证据收敛标的目的”及“收敛性程度”，以此评估各种研究是否指向统一结论。

研究团队以“盐摄取与康健终局”这一经典争议为例，从差别研究设计（不雅察性研究、随机比照实验、孟德尔随机化研究等）中提取相干数据，并计较了证据收敛程度(一系列数值或者函数靠近某个值或者某个函数的历程)。成果显示，大都证据指向“高盐摄取会升高血压”，且收敛性程度到达“强”这一等级；于盐摄取与血汗管疾病和灭亡危害的瓜葛上，成果偏向在增长危害，但收敛性相对于较弱。

“这申明于‘盐与血压的瓜葛’上，不雅察性研究、随机比照实验及孟德尔随机化成果高度一致，均撑持‘高盐升高血压’。但于盐与血汗管疾病或者灭亡危害的瓜葛上，差别研究类型的结论一致性较低，今朝仍存争议，需更多研究，如更好地节制稠浊，更好的研究设计等。”杜建说。

该要领能于几分钟内主动化处置惩罚成千上万篇文献，并实现证据图谱的动态更新。这不仅冲破了传统Meta阐发（比力及针对于统一科学问题研究成果的统计学要领，经常使用在医学、生理学、教诲学范畴）对于同类研究的依靠，还有能整合差别来历的研究证据，从“结论标的目的”收敛性随时间动态变化的角度，增进人们对于某问题的总体理解。

为解决康健范畴“纷争”提供新东西

“该研究的上风不仅于在效率的晋升，更于在其体系性及透明度。”该论文配合作者、北京年夜学医学部博士后赵娴静说，它能帮忙咱们更清楚地辨认，当不雅察性研究与随机比照实验结论一致时，因果瓜葛更为靠得住；而当各种研究呈现不合，则提醒某些研究可能存于误差或者稠浊因素，这也为后续研究指了然标的目的。

该要领合用在多个实际场景，如辅助临床指南制定、撑持大众卫生决议计划、提高科普宣传的正确性，甚至帮忙研究职员快速定位争议核心，优化研究设计。

“面临彼此抵牾的康健信息时，咱们不该盲从某项单一类型的研究，而应存眷其暗地里是否有来自多重要领、多角度验证的证据撑持。跟着人工智能技能于证据整合中的深切运用，一个越发高效、稳健的科学证据阐发系统正于形成。”杜建说，“这为解决康健范畴持久存于的研究结论冲突，科学计划新的研究，进而削减研究华侈等提供了新东西。”

“这项研究设计很是巧妙，经由过程证据三角来解决循证医学面对的实践痛点，对于循证医学的理论成长有很是踊跃的意义。”水师军医年夜学第三从属病院观点验证（结果转化）中央主任徐畅说。

相干论文信息：https://doi.org/10.1038/s41467-025-62783-x