上了电子实验记录本，之前的实验记录怎么办

最近，实验数据管理再次成为高校和企业研发实验室关注的焦点。近期“耿同学举报学术造假事件”引发讨论，让不少高校开始重新审视：论文、专利、项目结题背后，原始实验数据到底在哪里？能不能查到？能不能对应到实验过程？关键时刻能不能经得起复核？

与此同时，越来越多生物医药企业、化工材料企业也开始系统管理实验数据。过去散落在纸质实验记录本、Excel、仪器电脑、个人文件夹和聊天记录里的数据，正在被重新定义为研发资产。

所以，很多用户第一次了解电子实验记录本时，最先问的不是“以后怎么写实验记录”，而是：上了电子实验记录本，那我们以前的实验记录和实验数据怎么办？

答案不是把过去全部推倒重来，而是区分历史记录和正在进行的项目：旧数据先留住，新数据要管住。

一、已归档的历史记录：先保存，再识别

很多实验室都有大量已经完成的纸质实验记录本。平时看起来问题不大，但一旦需要复核，就会发现：记录本找得到，某次实验却很难定位；纸质附件、谱图、图片可能脱落；记录里写着“结果见Excel”，但对应文件不知道在哪；手写结构式、反应式、批注扫描后也很难检索。

因此，对已经归档的历史记录，第一步不是重写，而是数字化备份。

• 纸质实验记录本可以利用OCR识别先扫描成PDF或图片，按照部门、项目、人员、时间、记录本编号建立目录。这样至少能降低记录丢失、损坏、误拿和难以查找的风险。但实验记录和普通文件不同，不仅有大量手写内容，甚至还有化学结构式、反应路线、实验草图和手写表格。
• 普通OCR能识别手写文字已经不容易，要识别手写化学结构式，难度会更高，准确率也会下降。因此，化学、生物医药、材料等研发实验室，在处理历史纸质记录时，需要关注软件是否具备专业结构式识别能力。

图注：InDraw8.0即将上线移动版，拍照即可识别结构式

• 对于原本就是电子形态的数据，如PDF报告、Excel表格、Word记录、图片、谱图、仪器原始文件、统计分析文件等，可以作为附件上传到电子实验记录本或统一数据平台中。关键是让这些文件和项目、实验、人员、时间建立关系，而不是继续散落在个人电脑和移动硬盘里。

历史记录处理的原则很简单：已经完成的，不追求一次性完美重构；但要尽快做到找得到、看得见、能对应、可留存。

二、正在进行的项目：必须明确切换时间

历史记录可以分批整理，但正在进行的项目不能长期“两套记录并行”。

很多实验室上线ELN时最容易出现的问题，是一边说开始用电子实验记录本，一边又允许大家继续写纸质本、填Excel、把仪器数据存在本地电脑里。短期看似灵活，长期就会变成新的数据断点。一部分记录在ELN里，一部分还在纸上；实验步骤写在系统里，原始数据却没有上传；项目负责人以为记录已经电子化，实际关键附件还在个人文件夹。后续审查时，反而更难说清楚哪一套才是正式记录。

因此，对于正在进行的项目，实验室一定要明确一个切换时间点，一般建议半个月的并行期。从某一天开始，新的实验必须在电子实验记录本中创建、记录、上传附件、复核关闭。纸质本可以作为过渡期辅助记录，但不应继续作为主要正式记录来源。

尤其是涉及申报、审计、客户交付、知识产权、论文发表或后续AI分析的数据，更应该尽早进入ELN。因为这些数据未来最需要回答的问题是：谁做的？什么时候做的？用的什么样品、试剂和仪器？原始文件在哪里？有没有修改？谁复核过？

这些问题靠事后回忆很难回答，靠系统在实验发生时同步记录才更可靠。

三、ELN如何平稳上线

电子实验记录本上线，表面上是一个软件项目，本质上是研发管理方式的改变。

第一，要有一把手推动。可以是公司老板、研发负责人、研究院院长、实验室PI，也可以是对项目结果真正负责的人。只有管理者明确提出要求：实验记录必须进入系统，项目复盘必须看系统，数据检查必须以系统为准，ELN才会从“可选工具”变成“工作方式”。

第二，要明确上线边界。ELN上线最忌讳一开始就想把所有事情全部电子化。更稳妥的做法，是先确定最有价值、最容易落地、最常用的数据场景。

比如某个实验室每天大量使用天平，称量数据又是关键原始数据，就可以优先做天平对接，让称量结果自动采集到实验记录中，减少手工抄写和转录错误。

但如果天平一天只用一两次，使用频率低、数据量小、对接成本高，则无需纳入电子化范围——此时采用拍照上传附件、在草稿本上手写数值并签名确认（草稿本长期保存）的方式，已完全满足合规与档案留存要求。电子化的每一步都应紧盯效率增益，而非为了“电子化”而电子化。

第三，要限定切换时间。实验人员从纸质记录、Excel记录切换到电子实验记录本，需要适应过程，但这个过程不能无限拉长。比较现实的做法，是限定半个月内完成切换。

第四，上线后要抽查。ELN上线以后，不能只看登录人数和记录数量，真正要看记录质量：实验有没有及时创建？关键步骤有没有写清楚？原始数据有没有上传？失败实验有没有记录原因？异常有没有说明？实验是否长期未复核关闭？

实验室可以建立抽查机制，并配合适当的奖励和惩罚。现在，越来越多企业也开始把AI能力引入实验记录抽查。以鹰谷电子实验记录本InELN和InAI能力为例，管理者或QA可以让AI辅助检查记录的完整性，例如识别失败实验是否说明了偏差原因、是否制定了纠正措施、问题是否得到彻底解决等关键节点，从而大幅提升审核效率与覆盖面，确保数据质量可管可控。

过去，抽查实验记录需要人工逐本翻、逐条看；现在，AI可以先帮助筛出疑点，再由管理者确认和处理。AI不能替代管理责任，但可以让抽查从偶尔发生，变成更高频、更持续、更可执行。

旧数据要留住，新数据要管住。

实验室数字化不是为了换一种写记录的形式，而是为了让实验数据真正成为组织资产。未来无论面对论文复核、客户审计、注册申报、项目交接，还是借助AI分析，真正能支撑实验室的，都不是临时整理出来的漂亮报告，而是平时就沉淀下来的真实、完整、可追溯的原始数据。

在AI for Science的时代，科研单位的核心竞争力不再仅依赖个别专家的经验和方法——这些经验和方法将逐步被大模型学习、融合，最终形成对人类智慧的统一整合。到那时，谁拥有高质量的原始数据，谁就掌握了与AI协同进化的主动权；而我们的经验，也只有通过数字化手段固化下来，才能被大模型有效获取和利用，从而持续创造价值。