从临床洞察到科研成果：AI辅助的医工协同证据转化框架

摘要

背景：临床诊疗持续产生异常现象、操作困难、经验判断与创新设想，但这些信息往往分散在病历、影像、会诊、工程修订和随访中，难以形成可验证的研究问题。目的：提出AI辅助的医工协同证据转化框架，说明医生如何将临床洞察组织为可测量、可反驳、可复现的研究，并评价AI在此过程中的真实贡献。方法：采用定向方法文献梳理与概念框架构建，区分观察、洞察、假设、技术创新和研究结果；设计临床问题档案、来源—命题关系、分层验证及跨角色交接机制；以骨科结构—功能差异和工程修订问题为说明性场景，提出三组比较的工作流评价方案。框架产出：形成从线索捕获、问题定义、证据关联、测量实现、方案冻结、独立验证到成果表达的七个环节，以及可供团队使用的表格和AI任务模板。结论：AI辅助科研的价值取决于其能否改善问题质量、证据完整性与验证效率。假设生成、技术完成、论文形成和临床有效性属于不同结果，必须分别评价。本文为方法学研究与拟实施方案，未开展新患者研究，不报告临床疗效或已证实的科研效率提升。

关键词：临床洞察；医工协同；人工智能；假设生成；证据转化；研究设计；可复现性；成果转化

英文题名：From Clinical Insight to Research Outputs: An AI-Assisted Framework for Evidence Translation through Clinical–Engineering Collaboration.

Abstract: Clinical encounters generate observations, practical difficulties and ideas for improvement, yet these signals are dispersed across records, images, discussions and engineering revisions. This methodological article proposes a framework for converting clinical insight into testable research through clinical–engineering collaboration assisted by artificial intelligence. A targeted review of methodological literature informed seven stages: signal capture, question definition, evidence linkage, measurement implementation, protocol freezing, independent validation and research reporting. The framework separates source evidence from generated interpretations, assigns responsibilities across clinical, engineering and methodological roles, and specifies distinct evaluations of clinical hypotheses and AI-assisted workflows. Illustrative orthopaedic scenarios and a proposed three-arm workflow study demonstrate its use. No new patient data, treatment-effect estimates or measured efficiency gains are reported. Its practical value requires empirical evaluation against structured workflows without generative AI.

一　问题提出：临床经验如何成为可以共同研究的问题

医生在诊疗中可能注意到：影像变化与症状变化不同步，相似病情患者接受相近治疗后恢复差异明显，某个操作步骤反复遇到困难，或一种常用评价指标解释不了患者最在意的问题。这些观察来自具体情境，其中既可能包含值得研究的信号，也可能包含偶然波动、选择偏倚与测量误差。

关键困难常发生在观察之后。医生记得“有几例很特殊”，但缺少符合相同条件患者的完整分母；工程师知道“这里总要修改”，但没有记录修订对象与原因；研究者拿到的是一张汇总表，却不知道变量在什么时点、由什么方法产生。信息没有消失，却失去了能够共同解释的关系。

Swanson关于“未被发现的公开知识”的讨论提示，分别存在的资料可能包含尚未被共同检索与理解的联系。^[1] 将这一思路用于临床研究，需要增加对象匹配、时间对齐、测量可靠性与独立验证等条件。公开文献的关联不等于患者层面的证实，临床记录之间的关联也不能直接承担因果解释。

本文要回答的核心问题是：如何让临床医生在保持诊疗职责的同时，把有价值的疑问交给一个可追踪、可接续的协作过程，使AI帮助连接信息，医工团队完成测量与验证，最终得到证据边界清楚的科研成果？

二　研究方法、文献定位与本文贡献

本文采用定向方法文献梳理与框架构建，检索和核对临床创新评价、复杂干预、常规医疗数据、预测模型、因果研究、人机协作及科研报告规范的出版原文、公开摘要和书目信息。资料核对截至2026年10月11日。本文不是系统综述，不报告检索穷尽性，也未通过专家共识程序形成指南。

既有方法为本研究提供三个支点：IDEAL关注手术及相关干预创新不同发展阶段的评价；MRC复杂干预框架强调情境、作用机制、利益相关者、关键不确定性与资源后果；DECIDE-AI聚焦AI决策支持进入早期真实临床使用后的报告要求。^[2][3][11] 本文借鉴其分阶段评价与情境意识，提出适用于临床科研协作的工作组织方式，不将这些规范改称为子殷原创。

本文的贡献定位为三个可检验的设计：以临床问题档案贯穿多种资料；将每条研究命题与支持、反对及缺失证据明确相连；分别验证医学问题与AI协作工作流。本文提出的七环节、工作表及评价终点尚无本地实证，后续研究可能支持、修订或否定其价值。

三　概念边界：发现、洞察、创新和成果分别意味着什么

本文将“观察”定义为在特定对象、时间和条件下记录的现象；“洞察”是研究者对若干现象形成的可能解释或问题重构；“假设”是在明确人群、变量、结局与条件下可以接受检验的命题。临床对话中的“发现”可指发现了一个线索，论文中的“研究发现”则应指某项设计和分析得到的结果，两者应在用语中区分。

“技术创新”指对测量工具、工作方式、装置、算法或流程作出新的设计或改进。技术新颖性、临床需要、可实现性和有效性是不同维度。一个新工具可能测得更稳定却未改善决策；一个并不新颖的流程也可能解决本院的实际问题。应分别说明新增了什么、解决了什么、由什么证据支持。

“科研成果”可以是可靠测量方法、可复现数据集、研究方案、阴性结果、分析软件或完成验证的医学认识。论文是这些成果的一种表达形式。立项、获奖、软件登记、专利申请或论文发表属于不同评价活动，不能互相代替临床有效性证据。

四　临床入口：先留下一个可信的疑问

临床线索的入口应尽量轻量。医生可以在获准使用的工作环境中，以短句或结构化记录说明“原本预期什么、实际看见什么、为什么值得追问”。AI可整理表达，但必须保存医生的原始描述及后续确认版本。语音识别、自动摘要和术语规范化都可能改变否定、侧别与时间，应将这些字段列为优先复核项。

问题档案至少保存：匿名研究编号、触发场景、观察事实、原预期、候选解释、临床重要性、可定位证据、下一项最小验证动作。患者身份映射保留在医院批准的环境内。临床病历与科研问题记录用途不同，AI不得把尚未确认的科研推测自动写回正式诊断或治疗结论。

“连续遇到几例”并不代表发生率很高。对任何频率判断，需要定义观察期间内全部符合条件对象及排除原因。对疑似严重伤害，即使只有一例，也应先按所在机构的临床处置和事件报告流程处理；研究整理不能延误必要的患者照护。

并非每条线索都必须立项。首轮分类可以是：已知问题待落实、资料不足待补充、存在可验证知识缺口、工程流程问题或暂不推进。分类与理由均保留，使团队避免反复讨论同一问题，也减少将常见知识包装为新发现。

五　把一句临床感受转成研究问题

“这个指标不太准”“患者恢复不一样”“这里可以做得更好”，尚不足以决定采集什么数据。团队先确定问题类型，再写出目标人群、研究单位、时间零点、主要变量、对照、结局与目标估计量。诊断、预后、因果、测量与流程改进回答的问题不同，不能用同一份模型性能表替代。

例如，“能否更准确地预测功能恢复”是预后问题；“某种手术是否改善功能恢复”是治疗效应问题；“某项三维指标在不同操作者之间是否一致”是测量问题。三者可能属于同一研究计划，但应具有不同方案与结论。预测能力强，不意味着该变量是可干预原因；测量一致，也不意味着测到了临床上重要的状态。

问题是否值得推进，可按患者重要性、知识缺口、可测量性、可验证性、资源需求和潜在影响综合评议。临床医生判断问题与结局是否有意义，工程师判断变量和工具能否可靠实现，方法人员判断设计是否能够回答问题。任何一方都不能单凭自己的维度决定研究已成立。

六　信息“穿线”：连接的是证据关系

临床信息的连接至少包含五种关系：同一患者或同一器官的对象关系，先后发生与实际可用的时间关系，原始记录与派生指标的测量关系，文献与研究命题的支持或反对关系，以及研究决策与执行结果的版本关系。把材料放进同一个文件夹，只解决了保存；形成流畅摘要，也不能保证这些关系正确。

建议为每条命题保存一个证据关系记录L=(来源，命题，关系类型，时间，适用条件，核验状态，版本)。关系类型至少区分支持、反对、提供背景和无法判定。例如，一篇文献证明某量表有良好重复性，只能支持测量选择，不能被改写为支持本研究的治疗假设。由模型生成的关系先标为“待核验”，经来源检查后再改变状态。

一项研究还需要“向后追溯”和“向前衔接”。向后追溯是从论文中的数字找到分析结果、代码、变量定义和原始记录；向前衔接是从一个临床问题找到下一步测量、负责人员、验证方案和结果。没有向后追溯，成果容易脱离证据；没有向前衔接，问题容易停留在会议记录中。

知识图谱、检索增强生成或项目管理系统可以承载这些关系，但不是启动研究的必要条件。首轮可从结构化表格、受控文件和稳定编号开始。重点是关系的含义、来源和变化可被审查，而不是图上连接了多少节点。

七　七个环节及其可交付对象

第一步，捕获线索并保留原意；第二步，定义问题和目标结局；第三步，建立原始资料、已有研究与候选解释之间的对应；第四步，将关键概念变成可靠的测量和工程流程；第五步，冻结方案及主要分析；第六步，使用符合独立性要求的证据开展验证；第七步，按证据状态表达成果并交付可复现材料。

这些环节允许返回，但返回应产生新版本。发现测量不稳定，可以回到工程实现；发现文献已经回答问题，可以转为本地实施评价；验证失败，可以保留阴性结论并提出新假设。不得把验证后的修改悄悄写进原方案，再将事后解释描述为事前预测。

每次交接只需解决一个具体问题：交付物是什么、谁接收、何种证据表明这一环节完成、还有什么未确定。对尚无真实数据授权的课题，可以继续完成公开文献梳理、变量定义和模拟流程；真实资料处理及患者研究则等待对应条件满足。

八　AI工具如何分工：六种辅助任务

信息整理工具可把获准资料转成待核对字段，包括时间、侧别、检查、干预、症状和结局。必须同时输出原始证据位置、否定状态、时间精度与缺失原因。对关键字段建立人工核验样本，分别评估漏提、误提和语义改变；平均准确率不能掩盖错患者或错侧别等严重错误。

文献检索工具可扩展同义词、术语和研究方向；检索增强工具可在指定资料集中定位证据。AI生成的文献条目须核对作者、题名、出版信息与正文支持范围。检索得到相似文字不代表研究对象、剂量、时间或终点相同；没有检索到也不能证明全球不存在相关研究。

假设生成工具可提出不同解释、补充变量及反例，帮助医生看到最初思路之外的可能性。每个候选同时要求说明成立条件、最容易被什么证据推翻，以及最小区分实验。模型给自己的置信分数和多个模型的一致意见，不作为独立验证结果。

工程与分析工具可协助编写数据清洗、影像处理、统计和图表代码。代码须在隔离研究环境执行，以明确输入、版本和输出运行；关键计算通过独立复算或可解释样本核对。模型不能为了让结果“合理”修改原始资料、隐去失败病例或重新定义终点。

项目协调工具可将经过确认的方案拆为任务、缺口和交付物，提示哪一环节缺少责任人或证据。写作工具则从已冻结结果生成结构化初稿、检查方法与结果是否一致、核查图表与正文数字。它不应补造实验、伦理编号、作者贡献或统计显著性。

2026年发表的Co-Scientist研究将AI假设生成与特定生物医学实验验证结合，说明“生成—批评—实验检验”具有可探索价值；其特定任务结果不能直接证明普通临床科室使用聊天工具就能提高科研产出。^[5] 本文因此将AI能力视为需要在本地任务中检验的候选能力。

九　医工结合的关键：把概念变成可重复测量

医生说“骨块旋转不太对”，工程师需要进一步问：哪一骨块、相对什么坐标、在哪个时点、以什么参照判断、误差多大才会影响研究问题？医生说“恢复得慢”，方法人员需要明确量表、测量日期、基线状态和随访窗口。医工协作发生在这些转换之中，而非仅在最后制作一个模型或装置。

每个变量应具有操作定义：单位、算法、输入条件、操作者、版本、允许误差、失败标志与临床解释。三维几何指标还应说明体位、扫描协议、重建和配准条件。技术输出必须能被医生定位和复核；临床判断也需要说明依据和不确定性，避免把“专家说了”当作无法讨论的绝对参照。

人工标注可能存在分歧。可由独立阅片者进行初始判断，记录一致与不一致项目，再按预设规则裁决；用于评估AI的参照不应先看AI结果后形成，否则可能产生纳入偏倚或相关错误。对于没有可接受参照的问题，研究首先可能是建立测量规范，而不是比较模型谁更准确。

工程师的修订记录具有研究价值，但“最终修订版”不自动等于无误真值。保留原输出、修改对象、修改理由、耗时、审核结论和仍有争议的部位，可将零散经验变成错误分类与候选改进依据。再次利用这些记录训练模型后，同一批资料属于开发资料，不能继续承担独立成绩验证。

十　验证必须分层：理解正确、测量可靠、假设成立、临床有益

第一层检验语义与来源：AI是否忠实提取原记录，引用是否真正支持对应命题，患者与时间是否匹配。第二层检验测量与工程：算法、装置或流程能否在重复操作和不同条件下得到足够稳定的结果。第三层检验研究命题：关联、预测增量或治疗效应是否在适当设计与独立资料中得到支持。第四层检验实际使用：医生据此行动后，患者结局、工作负担、伤害和资源后果如何变化。

这四层回答不同问题，不构成可以凭打分自动升级的认证系统。即使前两层通过，也可能发现候选变量与结局无关；即使预测准确，也可能因为行动方案不明确或误报负担过大而不能改善临床工作。临床试验也可能不需要复杂AI测量，但仍需符合自身研究设计要求。

若AI仅用于研究资料整理，主要评价抽取正确性、证据完整性与研究准备效率；若AI输出会实际改变诊疗，则进入另一种使用情境，需要评价人机互动、误用、接管及临床后果。DECIDE-AI针对早期真实临床决策支持评价的报告，不能简单套用来宣称一套科研助手已完成临床验证。^[11]

十一　统计与研究设计：让验证有机会推翻设想

关联研究应在看验证结果前明确暴露或特征、主要结局、时间窗口、调整因素和效应尺度。分析不仅报告统计显著性，还报告效应量、区间与临床意义。把观察到的趋势称为机制、把手术后改善称为治疗效果，都需要额外识别条件。

比较治疗策略时，应先明确希望回答的目标试验：入组条件、策略、分配时点、随访、结局、因果对比和分析计划。观察性模拟必须论证可比性、共同支持与混杂控制，不能因为数据量大就忽略未测量混杂。^[12] 对影响治疗、又受此前治疗影响的时间变化因素，常规回归可能不足，需由方法团队选择适当分析。

预测研究冻结整个处理流程，包括特征生成、缺失处理、变量选择、模型与阈值。按患者隔离开发和验证资料，同一患者的双侧、多个检查和多次随访不能分到不同集合后冒充独立样本。预测输入只使用目标时点实际可获得的信息，事后报告和未来随访不能回填。

样本规划由结局、目标精度、候选参数、事件比例和预期拟合程度等因素决定，不使用一个适用于所有课题的病例数。Riley等关于预测模型的样本量方法可用于对应任务，但不能直接替代治疗试验或本文工作流评价的样本设计。^[13] 有限开发资料可使用适当重采样；新假设的确认仍须与生成和调整该假设的资料分开。

AI能够提出更多候选，也扩大了多重比较与选择性报告的风险。应预先锁定候选去重、筛选和送验规则，保存未获支持的候选，并针对检验家族选择适当的错误控制方法。假发现率控制依赖对应统计条件，不能将Benjamini–Hochberg方法用于任何自适应搜索后就宣布问题已经解决。^[14]

十二　说明性场景：从术后结构—功能差异提出骨科研究

以下是为解释方法而构造的研究场景，不对应真实患者、医院或已完成项目。设想医生在胫骨平台骨折术后随访中提出疑问：“常规影像评价接近的患者，为什么功能恢复仍然不同？”这句话具有临床意义，但还不能说明存在一个新的影像指标或致病机制。

首先，将感受写成可检验问题：在事前定义的成人手术患者人群中，早期术后影像获得的某项三维结构指标，是否与随后功能结局相关，且能否在基础临床信息之外提供预后增量？研究时间零点可拟定为手术日期；若用于风险预测，则另行明确早期评估时点和当时可用输入。所有窗口、量表及入排标准在最终方案中确定。

其次，列出实质不同的解释：常规影像指标遗漏了局部结构信息；功能差异与初始损伤、软组织情况、康复过程或合并疾病有关；随访和量表测量条件不同；或最初观察来自少量容易记住的病例。AI可以帮助补全这些解释和检索已有研究，医生与方法人员决定哪些值得进入验证。

再次，工程团队确认所需影像是否已在常规诊疗中合理获得、序列能否比较、目标结构能否测量以及误差是否足以支持研究。没有既存CT的患者不能被AI补出“实测值”，也不能仅为收集建模输入而当然增加检查。若指标测量不可靠，应先完成测量研究；若不同解释所需关键资料长期缺失，则说明本队列暂不能区分这些解释。

在可行条件下，建立基础模型与增加候选指标的模型，使用相同人群、结局、信息截止点和验证计划比较。主要结局可以采用经过论证的连续功能量表，并规定随访窗口与缺失处理；不能为了显著性，在多个量表、时间点和亚组中反复选择最有利组合。此处只描述设计，不预设哪一个指标必然有效。

若结果仅支持测量重复性，成果就是一项测量方法研究；若有独立预后增量，可形成预后研究；若要进一步研究“改变手术方案是否改善患者功能”，必须提出新的干预问题并开展相应评价。原预后研究不能代替这一跨越。

十三　另一条成果路径：从反复工程修订形成方法研究

临床创新并不只来自疾病机制的新认识。医生与工程师可能反复发现三维模型某类部位难以确认、某种手术规划修改次数较多，或模型看起来合理却缺少关键结构。将修订对象、原始影像、任务复杂度、操作者、耗时和审核意见连接起来，可以提出工程问题。

候选命题可写为：“增加指定的结构核验与交互工具，是否在同等任务难度和合格标准下减少总人工工时，并保持预先规定的质量要求？”对照应包含原流程，工时计入错误定位、重做、沟通与最终审核。不能只统计自动计算时间，或仅保留工具成功的简单病例。

该研究可能产生错误分类体系、交互工具、测量规范和工程论文。其主要结论针对设计过程的质量与负担；若未观察实际手术和随访结局，不应延伸为减少并发症或改善患者预后。不同层次的成果可以相互支持，但需要保留各自的证据边界。

十四　如何验证AI确实帮助医生完成科研“穿线”

医学假设得到支持，不能单独证明AI提高了研究效率；也可能是团队投入了更多时间或新增了结构化管理。建议设置三种工作条件：A使用现有科研支持流程；B使用统一问题档案、证据表和项目管理，但不使用生成式AI；C在B基础上增加经过定义的AI辅助。B与A比较组织化的作用，C与B比较AI的增量。全部条件均提供合理研究支持。

评价单位建议为事前登记的临床研究问题包，而非聊天轮次、模型输出条数或生成论文数量。问题包记录同一临床问题的所有重复提议和后续版本，防止把改写题目计为多个成果。正式评价前，以不进入主评价的问题试用评分规则，估计可行性、评分一致性和资料整理负担。

为控制团队之间相互学习造成的污染，可在具有合理独立性的医工团队层面随机分配工作条件，并在团队内前瞻性连续登记符合范围的问题。三组使用相同的登记范围、触发规则和观察窗口，由独立协调者抽查遗漏，防止知晓分组后选择性提交容易完成的问题。若只能在同一团队内轮换工具，应处理学习、时期和题目难度影响；这些影响不能消除时，将结果解释为可行性或观察性比较，不声称证明因果效果。

可拟定主要终点为：在预先规定观察窗口内，达到独立评审“可进入验证”标准的问题包比例。标准包括明确的临床问题、正确的核心证据、可测变量、适配设计、可执行资源计划和反驳条件。评审“可进入验证”是研究准备质量，不能等同伦理批准、项目立项或假设正确。

在可行范围内，评审者不知道问题包来自哪个条件。使用一致的材料格式，预定分歧裁决规则，同时评估盲法是否可能被文风破坏。主要分母包含全部已登记符合条件问题，未完成、放弃和失败分别说明，不能删去困难问题后再比较成功率。

十五　主要指标、分析与失败标准

设各组已登记问题包数为N，可进入验证数为V，研究准备率R=V/N。主要比较可采用C与B之间的率差及其区间，以回答在结构化流程之上AI增加了多少研究准备产出。统计分析应保留团队聚类，必要时考虑事前定义的学科、问题复杂度和团队经验；不能把同一团队的大量问题视为互相独立。

资源效率可作为次要结果，以全部参与者投入工时T与V共同呈现；T/V表示每个合格问题包对应的总工时。V为零时不生成一个看似正常的比值，而报告零产出及全部成本。等待外部资料的日历时间、实际工作时间和计算费用分开计量，避免把流程等待归于模型速度。

质量指标至少包括核心命题与来源的匹配率、关键字段错误、无来源断言、重复候选、遗漏反证及方案执行时暴露的缺陷。效率优势不能补偿预先认定不可接受的严重错误。各项容许范围由临床与方法团队在正式比较前论证，不由AI根据结果倒推出门槛。

样本量依据团队数量、团队内相关性、问题基线通过率、关注的最小差异及失访或未完成情况规划。只有少数团队时，不能凭很多问题包获得虚假的窄区间；应先报告可行性，并扩大独立团队后再评价效果。主要终点、层级比较和次要探索在统计计划中区分。

框架的失败标准包括：AI组质量未达预定要求；与结构化流程相比没有有意义的增量；错误复核抵消节省工时；产出依赖单名专家而无法复制；或项目进入执行后暴露出大量不可行方案。后续实际完成研究的比例、独立复制与患者相关价值应持续观察，论文录用数量仅作为描述性指标。

十六　把人机协作本身当作研究对象

Goh等在一项包含50名医生、基于临床情景题的随机研究中发现，提供大语言模型访问权限未显著改善医生的主要诊断推理评分；该结果受任务形式和研究情境限制，不能解释为AI在所有临床场景均无价值。^[4] 它对本框架的启示是：能使用一个模型，与能够从中获得稳定收益之间，需要工作方式、任务设计和评价证据。

AI可能使表达更清楚，也可能使不成熟的设想显得更可信。应先保留医生独立提出的疑问和初始解释，再展示AI补充内容，并记录医生接受、拒绝或修订的理由。这既有助于识别锚定，也为评价“AI增加了什么”保留比较依据。

工程师和临床医生可能拥有不同的成功标准：前者关注几何、速度或交互，后者关注诊疗意义与患者影响。共同审阅同一问题档案和误差实例，有助于识别彼此误解；但共同讨论后的共识也可能共享偏倚，仍需独立资料、适当参照或外部评议。

建议记录人工接受率的同时，记录被接受建议的正确性、被拒绝建议的合理性和修正负担。高接受率并不必然是好结果，低接受率也未必证明工具无用。评价应落在正确行动与可靠研究产出，而非医生是否经常同意AI。

十七　医生可以怎样向AI布置任务

任务一，整理而不补造：“请仅依据提供且获准使用的资料，整理观察事实、临床判断、待检验解释和缺失信息。每条事实附来源定位；保留否定、侧别和时间不确定性。无法找到依据的内容标记为未知，并列出需要我核对的问题。”输出先供医生核对，不能直接进入结果表。

任务二，提出可被反驳的解释：“围绕这个临床差异，提出有实质区别的候选解释，至少考虑测量误差、选择机制、治疗与随访差异。分别说明支持证据、反对证据、适用条件和最小区分研究。不要把流畅解释写成已知机制。”候选数量按团队复核能力设限。

任务三，准备文献证据表：“给出可复现的检索式和范围。对每篇实际找到的文献记录人群、设计、指标、结局、效应及局限；区分原文核对、仅摘要和未取得全文。明确它支持的是哪条命题，不得生成不存在的作者、DOI或结果。”检索与核对记录随方案保留。

任务四，起草研究方案：“先判断问题属于测量、诊断、预后、因果还是流程评价，再提出人群、时间零点、变量、对照、主要结局、偏倚处理与验证计划。列出尚需临床、工程和统计专家决定的项目，不填写尚未论证的样本量或伦理信息。”

任务五，检查研究结果表达：“只根据已冻结方案、分析输出和版本记录，核对正文、表格与结论。标出事后分析、未解决缺失、与原假设不符的结果以及超出证据的措辞。不要为了提高可发表性修改数字、删去失败或夸大新颖性。”

提示词只能约束任务表达，不能保证模型遵从。模型名称与版本、调用日期、提示模板、检索资料、工具权限和人工修订均需记录；系统升级后，先用代表性任务检查变化，再决定是否用于新研究。对LLM研究的披露可参考TRIPOD-LLM。^[10]

十八　协作组织：让每条问题有人接住

建议围绕每个研究问题明确一名临床负责人、一名工程负责人和一名方法负责人，并由协调者维护状态、交付物与待决定事项。小团队可以兼任，但需标记职责；关键结果不宜由同一人同时生成、验收并独占最终解释。患者或公众参与可以帮助确定真正重要的结局、可接受负担与沟通方式。^[3]

临床负责人确认观察与结局的意义，解释诊疗环境；工程负责人实现数据关联、测量与可复现工具；方法负责人设计比较、处理偏倚和评价不确定性；信息及数据管理人员确认访问范围与数据来源；管理者决定资源投入。AI负责约定的辅助任务，不承担研究真实性与患者照护责任。

例会应围绕具体未决问题展开，例如“这个变量测不稳，是否先做重复性研究”“独立验证资料尚不足，当前稿件应如何限定”。状态可以采用线索待核对、问题已定义、测量待验证、方案已冻结、验证中和结果已登记。状态名称体现证据进展，不用“重点项目”“高价值创新”等评价替代实际完成情况。

子殷在这一合作中的可规划角色，是提供临床问题承接、影像结构化与测量、工程修订追溯、分析工具和项目协同支持。具体能力与交付范围须依据实际项目约定和验收确认；本文不宣称这些环节已经在所有院点部署，也不将企业参与视为研究有效性的证明。

十九　成果形成与报告规范的选择

成果表达应从实际完成的研究出发。一个有价值的单病例可能形成规范病例报告；一个稳定变量形成测量研究；一套可以重复运行的处理流程形成方法或软件成果；明确设计并登记的方案为后续研究提供基础；独立验证得到的阳性、阴性或不确定结果都可以形成诚实的研究报告。

对创新装置或干预，应记录版本变化、使用条件、操作者经验、失败与不良后果。IDEAL提供阶段性评价思路，TIDieR帮助充分描述干预内容及实施方式。^[2][7] 这些工具促进研究可理解与可重复，不替代具体设计或专业审查。

预测研究可参照TRIPOD+AI报告，并使用PROBAST+AI审查质量、偏倚和适用性；AI诊断准确性研究可参照STARD-AI；常规医疗记录研究关注RECORD；随机试验采用适用的CONSORT 2025及相关扩展。^{[6][8][9][15][17]} 使用何种清单应由研究类型决定，不把所有规范堆叠为认证标志。

论文中的每张表、每个图和关键数字应指向明确的分析输出。方法写实际做过的步骤，结果写真实得到的估计，讨论说明它们支持和不能支持什么。探索性分析在发现后可以很有价值，但必须标记其事后性质，不改写成事前承诺。

署名与贡献根据实际参与和责任确认。ICMJE强调人类对AI辅助内容负责，并要求透明披露使用工具及用途，AI本身不列为作者。^[16] 本文亦披露AI参与资料检索、结构组织、写作和图示制作，不据此声称已有人类专家完成独立同行评议。

二十　实施边界、资源与最小启动方式

启动时可选择一个临床问题明确、证据位置可确认且能找到适当结局的专病场景。先完成问题档案、文献证据表、变量定义和小规模测量可行性检查，再决定是否需要扩大数据处理或开发复杂系统。模拟资料用于测试交互和数据流程，不能产生真实患者疗效或模型泛化结论。

研究资料应在批准的用途和环境内处理，原始记录默认保留，派生层保存清洗、抽取与人工修订。去标识不等于自动具备任何使用权限；将患者资料交给外部AI服务前，需要满足对应的数据使用条件。对于院内部署，可将患者资料处理限定在本地批准环境，公开文献检索与临床原始资料分开组织。

对AI调用，优先采用明确输入输出和最小任务权限：读取获准副本，写入研究派生区，不直接改变正式病历、医嘱或原始影像。这里的目的在于让研究过程可检查、可恢复，而非给每次文字整理增加繁复流程。尚缺授权、研究审查或临床使用条件的环节如实记录，继续推进不依赖它们的方案与工具工作。

资源核算包括临床时间、工程处理、方法支持、数据质量、计算、沟通与维护。先观察瓶颈在哪个环节：若主要困难是结局缺失，增加模型数量不会解决；若测量不一致，先统一测量；若方案不断变更，先固定问题。扩展应由可核验的瓶颈与收益驱动。

二十一　讨论：贡献、局限与可证伪性

本文将临床创新组织为以问题档案为载体的证据转化过程，其潜在价值在于减少跨角色交接中丢失的语义、时间和验证条件。它并不要求临床医生先成为程序员，也不假设工程师能够独立定义所有医学问题；共同工作对象使不同专业可以围绕同一证据和未决问题协作。

本框架可能增加记录与审核负担，尤其在信息系统割裂或科研支持不足的科室。过度结构化也可能使非典型问题被过早排除。研究应允许保留暂时难以量化但有临床意义的线索，并检查问题筛选是否偏向资料充足、容易发表或对企业有利的方向。

AI存在错误引用、重复已知假设、遗漏反证和偏好流畅解释等风险。来源追溯能帮助查错，但不能保证来源本身无偏倚；多个专家或模型也可能共享错误。医工协作、统计设计与独立验证的作用互补，没有任何一个组件能够单独保证研究真实性。

可证伪命题一：相比现有支持流程，结构化问题与证据关联提高可进入验证的问题包比例；命题二：在结构化流程之上，AI进一步改善质量或降低全部团队成本；命题三：这种增量能够在不同团队和学科重复。若研究未支持这些命题，应缩小应用范围、调整方法或停止投入，而不是用生成文本数量补充证明。

本文没有进行实际工作流试验，所提指标的测量学性质、评分一致性与敏感性均待检验。骨科示例只说明操作路径，不代表该临床关系已获证实。把框架发展为可信实践，需要真实团队、合适问题、合理对照和透明报告。

二十二　结论

临床医生的发现与洞察为科研提供问题来源，医工结合使问题具备可测量、可执行的形式，AI可以辅助资料关联、文献核对、假设比较、程序实现和研究组织。三者能否共同产生价值，取决于临床问题、证据来源、测量、方案、验证与成果之间的关系是否清楚且可追溯。

从一次临床疑问到一项科研成果，需要保存提出问题的原意，也需要给研究留下推翻原设想的机会。应分别评价医学假设、技术工具和协作流程，并让最终表述与已经取得的证据相称。这样的成果可以是得到支持的认识，也可以是可靠的阴性结果、可复用的方法或明确下一步所缺证据的研究方案。

研究透明性与利益关联声明

作者：瑜秀曈芯。本文为子殷科技官网独立方法学文章，未经学术期刊同行评审，不包含新患者队列、干预试验或实测效率结果。案例、图示、评价指标和三组比较均属于方法说明或拟实施方案，未声称已获得对应新课题的医院数据授权、伦理批准或临床部署许可。

作者与子殷科技存在直接业务利益关联，企业可能从相关工程服务与技术推广中获益，实际效果应接受独立评价。本文使用ChatGPT/Codex辅助公开文献检索、框架整理、写作、程序与示意图制作；未向模型提供真实患者资料。引用研究不构成其作者、医院或期刊对子殷产品和本文框架的背书。