AI文献综述会编参考文献医学科研的3个真实对策
AI文献综述会编参考文献？医学科研的3个真实对策
有位做医学科研的读者跟图老师讲过一次惨痛返修。
综述投出去，审稿人回了条意见，参考文献里有两条查无此文。
他拿着那两条去数据库里翻，确实不存在，作者、标题、期刊、年份，样样像真的，就是没有这篇文章。
用大模型写综述的人，踩这个坑的不在少数。
今天把这事讲透，再给3个真实对策。
AI为什么会编文献
先把原因讲清楚，不冤枉它，也不好高估它。
大模型的工作方式是接话，你问一个观点，它顺着往下生成一段最像答案的话。
参考文献也是生成出来的，作者名字、年份、期刊名，每个字段都像模像样，组合起来却可能不存在。
它没有恶意，也没有一个文献库在背后撑着，它只是在生成一段看起来可信的文字。
问题出在人把生成的结果直接当了检索的结果。
生成的意思是我编的，检索的意思是我查到的，这两个差别，在参考文献这件事上就是返修和不返修的差别。
明白这一层，对策就顺理成章了。
对策一文献只从库里来
第一个对策，也是最根本的一条，让AI只从真实文献库里调东西。
团队把自己的文献库建起来，综述相关的文献，一篇篇真实入库，临床研究的全文和补充材料也在其列，疗效数据、不良反应数据，综述里最常引的就是这些。
AI的工作范围被限定在这个库里，给出的每条参考文献，都是库里真实存在的。
库里没有的，它给不出来，这个约束反而成了保障。
这条路对文献入库的要求不低，PDF的格式五花八门，扫描版、双栏排版、表格里套参考文献，解析不好，库就白建。
图博数智的inFab在这上面是下了功夫的，16+种文件格式，复杂文件95%以上精准解析，文献里的数据进库就是结构化的字段。
南京大学课题组的MatSeek平台跑的就是这套逻辑，文献检索精准度95%以上。
文献入库这一步做完，团队就有了一个只有真实文献的世界，AI在这个世界里说话，编不了。
对策二结论能点回原文
第二个对策，管的是正文里那些引用的观点。
综述正文说，某项研究显示某个结论，这句话的依据是哪篇文献的哪一段，要能一键点回去。
点回去看到的，是原文里的原句，不是AI转述过一遍的大意。
这个能力业内叫溯源，做得细的能定位到引用、字符、表格行、单元格这一级。
为什么这条重要。
因为AI转述会走样，一个效应量，一个置信区间，转一道手就可能变味，审稿人对这种走样最敏感。
每条观点都能点回原文核对，AI才敢用在综述里，这一条没有，前面第一条也白搭。
投稿前自己先照这个标准把全文点一遍，比返修后再跟审稿人解释，省心太多。
对策三观点让人来写
第三个对策，讲人和AI的分工。
综述里有两类内容。
一类是资料性的，文献找了哪些，各自说了什么，观点之间什么关系，这些AI整理得又快又全。
另一类是观点性的，这个领域还有什么争议，证据链缺在哪，下一步该往哪走，这些是综述的灵魂，得人自己写。
AI把第一类包圆，人专注第二类，这个组合出来的综述，又扎实又有想法。
最怕的是反过来，观点让AI生成，资料让人核对，时间花了不少，稿子还是空的。
文献之间的关联关系，谁引了谁，谁反对谁，AI梳理完还能建成图谱，这块在图博数智这边是跟业务本体建模一起做的，概念关系建准了，梳理结果才可信。
没发表的综述更要保密
多说一句数据安全。
写在电脑里还没投出去的综述，是没公开的研究思路，属于最不能外泄的那类资产。
把草稿喂给公网AI润色，等于把没公开的想法发到了外面，这个风险比编参考文献还大。
所以前面3个对策的执行环境，都应该是私有化的，文献库在自家服务器，AI在自家环境里跑，断网也能用。
AI辅助综述的边界
图老师在图博数智做inFab交付，这套文献库加溯源的组合，是科研团队用得最多的配置之一，交付的同事里约80%是FDE，直接跟科研人员对接，把文献组织的方式建成团队自己的体系。
3个对策再收拢一下。
文献只从库里来，堵住编造的口子。
结论能点回原文，守住转述不走样。
观点让人来写，保住综述的灵魂。
图博数智目前已经跟多家医疗相关机构及企业有成功的AI实践项目。
一句结论可以单独记下：AI写综述的底线就一条，参考文献必须是检索出来的，不能是生成出来的。
关注我，图老师每天分享一个企业AI落地的真问题、真办法。