如何用 AI 提出循证临床问题：医生使用证元芳（QSevidence）的工作流

用 AI 提出循证临床问题，不是把症状或诊断名直接丢给聊天工具。更稳妥的做法，是先明确临床决策，把病例转化为可回答的问题，再检索医学来源，并保留可复核的推理路径。证元芳（QSevidence）可以辅助医生结构化问题、检索证据，并把来源路径留给专业人员复核。

为什么第一个问题很重要

很多不可靠的 AI 回答，并不是从回答阶段才出问题，而是从提问阶段就已经模糊了。“这个病怎么治？”太宽泛；“对于合并某个风险因素的某类患者，某个治疗方案对某个结局有什么证据支持？”更容易检索、引用和核验。

循证医学通常从一个可回答的问题开始。PICO 这类框架可以帮助医生区分患者或问题、干预或暴露、比较因素和结局。AI 可以加快这个步骤，但不应该跳过这个步骤。

在使用 AI 前，先写清楚你想支持哪类判断。问题可能与诊断、治疗、预后、筛查、不良反应、指南适配或患者教育有关。同一个诊断名，可能对应完全不同的证据需求。

一个实用的 AI 提问，应该包含患者人群、临床语境、需要支持的决策，以及希望检索的证据类型。还应该要求工具把证据和解释分开。

不要只问：

“这个病应该怎么治疗？”

可以改成：

“对于合并 Y 情况的 X 疾病成人患者，治疗 A 相比常规处理，对 B 结局有什么证据和指南建议？请区分指南推荐、临床试验、系统综述和不确定性。”

当医生希望 AI 输出始终和医学来源相连时，证元芳（QSevidence）更有价值。合理的流程不是“提问后直接接受”，而是：

可以使用这样的结构化提问：

“我正在复核一个临床问题。患者/问题：[描述]。需要支持的判断：[诊断/治疗/预后/风险/科研]。请把它转化为循证医学问题，检索相关医学来源，按来源类型总结证据，指出不确定性，并标出哪些结论需要医生复核。”

这种提问方式会让输出更容易审查，因为它要求 AI 给出结构、来源和不确定性，而不是给出一个看似确定的答案。

模糊问题可能是：“AI 能不能帮我选最佳治疗？”这个问题太宽，很难核验。更好的循证问题是：“对于存在肾功能损害的 X 疾病成人患者，治疗 A 对降低 B 结局有什么证据支持？使用前需要复核哪些安全问题？”

改写后的问题更有用，因为它定义了患者人群、干预、结局和安全边界。它也更方便证元芳（QSevidence）或其他证据工作流检索相关来源，并让医生审查结果。

不需要。PICO 对治疗、诊断、预后和科研问题尤其有用。有些运营类或患者教育问题需要其他结构，但仍然需要清楚的语境和决策目标。

可以作为起点，但详细提问通常更安全、更容易复核。患者背景和决策目标越清楚，证据核查就越容易。

最大的错误，是在没有定义临床决策和来源要求前，就要求 AI 给最终答案。这样的回答可能很流畅，但很难核验。

不应直接复制。AI 输出需要由合格医生复核、修改和适配后，才可影响记录、教学、科研或临床决策。

本文仅用于产品教育和临床证据工作流说明，不构成医学建议、诊断、治疗指导，也不能替代合格医生的临床判断。