科学通报 | 数智循证医学：AI时代循证研究与实践新方向

在人工智能、大数据和知识图谱等新技术不断发展的背景下，医学研究和临床决策的模式正在逐步发生变化。面对医学信息的快速积累和临床问题的日益复杂，如何在新技术的支持下保持循证医学（Evidence-Based Medicine, EBM）的科学性与严谨性，成为学界关注的重要议题。

兰州大学葛龙团队在《科学通报》发表的文章“数智循证医学：AI时代循证研究与实践新方向”，尝试提出并阐释“数智循证医学”（Digital Intelligent Evidence-Based Medicine, i-EBM）的概念，探讨其在人工智能时代下的理论框架与应用前景。这一探索为理解AI技术与循证医学的融合提供了新的视角。

循证医学的发展与新挑战

循证医学自20世纪90年代提出以来，极大地推动了临床决策的科学化与标准化。它倡导在最佳研究证据、临床经验与患者价值之间取得平衡，对医学教育、科研及实践均产生了深远影响。

然而，随着临床实践环境的变化和医学数据的指数级增长，传统循证体系也面临新的挑战：

• 医学证据更新速度加快，文献体量庞大，人工整合难度增大；
• 数据来源日益多样，传统研究设计难以完全覆盖真实世界场景；
• 个体差异和复杂干预因素不断凸显，对个体化循证提出更高要求。

这些变化提示我们，循证医学的理念需要在保持科学精神的前提下，适度吸纳新技术手段，探索新的研究与应用模式。

“数智循证医学”的提出

在此背景下，作者团队提出“数智循证医学”（i-EBM）的概念。
这一理念并非对传统EBM的替代，而是希望在人工智能技术的辅助下，进一步扩展和完善循证医学的框架。

文章指出，i-EBM的核心特征主要体现在三个方面：

1. 整合性（Integrated）
i-EBM强调对多源异构数据的整合，包括临床试验数据、真实世界证据、电子病历信息、组学数据、影像资料等。通过AI和知识图谱技术，促进不同层级证据之间的关联与互证，构建更完整的证据网络。

2. 智能化（Intelligent）
借助自然语言处理、大模型推理与因果推断等方法，AI能够在文献筛选、数据提取、结果汇总等环节提供辅助支持。i-EBM希望在保证科学审慎的前提下，利用技术手段提高循证研究的效率与一致性。

3. 个体化（Individualized）
在临床决策中，i-EBM倡导基于个体特征的精准证据使用。通过多维度数据分析，探索不同人群、不同病程阶段下的最佳干预方案，从而更好地实现以患者为中心的决策支持。

中医药研究的潜在应用场景

文章还特别关注了i-EBM在中医药领域的应用潜力。
中医药具有整体性强、干预模式复杂、辨证论治个体化等特点，长期以来在循证研究中存在证据整合困难、量化评价体系不完善等问题。

i-EBM提供了一种新的思路：

• 通过AI的模式识别和因果推断功能，探索辨证论治与疾病表型之间的潜在规律；
• 借助数据整合与知识图谱方法，揭示中医药多成分、多靶点的作用网络；
• 在复杂干预评价中引入智能算法，促进中医药证据体系的现代化与国际化。

这些探索仍处于早期阶段，但展示了AI与传统医学结合的可能方向，也为跨学科合作提供了新的契机。

AI与循证医学的协同前景

人工智能的发展为循证研究提供了强大的技术支撑，但同时也带来了方法学和伦理上的新挑战。
作者在文中指出，i-EBM的理念并不意味着完全依赖技术，而是强调人机协同：

• 人类专家负责把握科学逻辑与临床判断；
• AI系统承担数据处理与模式识别等繁重任务；
• 双方的合作使证据生成更加高效、透明与可追溯。

这种协同关系有助于构建一个动态更新的循证生态，使医学证据从静态积累走向持续演化，更贴近临床实际与个体需求。

数智循证医学的提出，是作者团队基于循证医学核心理念的一次探索性延伸。它希望在保持EBM科学内核的同时，吸纳人工智能、大数据等新技术的优势，推动循证研究与实践更好地适应现代医学的发展需求。

这一概念的提出并非对传统体系的颠覆，而是一种建设性的思考——如何让技术服务于科学，如何让智能赋能于决策。

正如作者在文中所强调的，i-EBM仍处于理论探索阶段，未来的发展有赖于跨学科的合作、方法学的验证以及伦理框架的完善。
但无论如何，它代表了一种值得关注的努力：在数智时代的浪潮中，以循证思维为核心，以科技创新为动力，持续探索更加科学、开放与个体化的医学证据体系。

文章信息

赖鸿皓，马宁，赵威龙，等. 数智循证医学：AI时代循证研究与实践新方向. 科学通报, 2025

https://doi.org/10.1360/CSB-2025-5395

转载、投稿请留言

| 关注科学通报 | 了解科学前沿