编辑推荐：
在卫生经济学领域，系统文献综述（SLRs）工作量大、耗时长。研究人员开展了人工智能（AI）辅助 SLRs 的研究，通过对已发表 SLR 进行事后分析，发现 AI 辅助筛选有潜力，但广泛应用还需更多验证，这为 AI 在该领域的应用提供了参考。
在医学研究的浩瀚海洋中，系统文献综述（Systematic Literature Reviews，SLRs）就像是一座指引方向的灯塔，对整合已发表的证据、找出知识缺口以及为卫生经济评估提供依据起着至关重要的作用。尤其是在新型诊断领域，由于缺乏随机对照试验，SLRs 的重要性更加凸显。随着精准医学和基于价值的医疗保健的发展，新型诊断和卫生经济学领域的全球发表量迅速增长。从 2010 年到 2025 年，关注诊断的卫生经济影响的出版物数量几乎翻了一番。这使得 SLRs 的工作量剧增，完成一次 SLR 平均需要 15 个月以上，而真正相关的文章可能仅占总搜索结果的 1%。如此高的工作量不仅降低了研究人员开展 SLR 的意愿，还可能导致因时间限制而采用过于狭窄的搜索策略，甚至使 SLR 在发表时就已过时。
为了解决这些问题，来自荷兰莱顿大学医学中心（Leiden University Medical Centre）、屯特大学（University of Twente）、悉尼科技大学（University of Technology Sydney）等机构的研究人员展开了一项关于人工智能（Artificial Intelligence，AI）辅助 SLRs 的研究。该研究成果发表在《PharmacoEconomics》上，为 AI 在卫生经济学 SLRs 中的应用带来了新的见解。
研究人员采用的主要关键技术方法是：利用开源的 ASReview 软件进行 AI 辅助筛选。从 Scopus、PubMed、iHTA 和 NHS-EED 数据库中通过系统搜索获取 2398 篇文章作为原始样本，对这些文章的标题、摘要、全文筛选和数据提取的相关信息进行提取，将其作为 ASReview 软件的输入数据。通过模拟（使用 Makita，ASReview 软件的扩展）来评估 ASReview 的性能，模拟设置为默认值（朴素贝叶斯分类器、词频 - 逆文档频率特征提取、双重平衡策略、最大查询策略），并迭代 1000 次交替标题和摘要筛选顺序 。
人工智能作为新的研究伙伴
AI 工具的出现为减少筛选时间带来了希望。过去 10 年的初步研究表明，合理使用 AI 可大幅节省时间，仅需人工筛选部分相关论文。而且，半自主筛选过程可能比完全自主筛选更可靠，不过确定最佳停止筛选点具有挑战性，会影响筛选过程的透明度和工作量。虽然使用 AI 辅助筛选的指导不断增加，但由于对软件缺乏信任，其应用仍存在障碍，在卫生经济学领域验证 AI 工具用于 SLRs 的研究也十分有限。本研究正是在这样的背景下，对近期发表的 SLR 进行事后分析，以验证 AI 辅助筛选在卫生经济学 SLRs 中的性能，并探讨其未来实施和接受的方向。
基于开源 ASReview 软件的事后分析
在原始的全手动筛选中，2023 年 2 月从多个数据库筛选出 2398 篇文章，最终 57 篇进入全文审查，10 篇用于数据提取。在事后分析中，研究人员将提取的文章信息输入 ASReview 软件进行 AI 辅助筛选。通过比较 AI 辅助筛选和全手动筛选找到的相关文章数量，定义筛选准确率。模拟结果显示，在不同条件下（有无提前告知相关和不相关文章），AI 辅助筛选的准确率有所不同，但总体而言，原本全手动筛选中用于数据提取的文章在 AI 辅助筛选过程中能较早被发现。
讨论与结论
AI 工具在支持标题和摘要筛选方面取得了一定成效，但要广泛应用和被接受，还需要更多证据。传统 SLR 虽然耗时，但透明且偏倚风险低。目前，AI 工具在 PRISMA 或 Cochrane 声明中未被视为有效的审查选项，也不能用于更新现有 SLRs，这表明还需更多验证工作。未来的验证研究应比较不同 AI 工具的准确性和预期节省时间，进行交叉效度测试以展示工具间的差异。同时，还需要实用指南来支持技术文档，提高透明度和可重复性。就目前证据而言，AI 工具可能作为全手动筛选的补充，充当第二或第三审查员，或用于以最小时间投入更新现有 SLRs。随着更多的验证和接受，未来 AI 有可能完全取代手动筛选。
这项研究意义重大，它为 AI 在卫生经济学 SLRs 中的应用提供了重要的实践依据和理论支持。通过对 AI 辅助筛选性能的评估，研究人员明确了其优势和不足，为后续进一步优化和推广 AI 技术在该领域的应用指明了方向。同时，研究结果也提醒相关人员，在追求高效筛选的同时，不能忽视 AI 工具的验证和规范使用，以确保研究结果的可靠性和科学性，推动卫生经济学研究的发展。
