第二期科研实践能力培训成功举办--AI赋能真实世界研究

为持续提升项目各课题组的科研实践能力，厘清AI技术在医学真实世界研究中的应用逻辑，助力高质量开展真实世界研究，2026年9月17日上午，由项目负责人赵莉教授组织了第二期科研实践能力培训。本次培训以“AI赋能医学真实世界研究”为主题，通过腾讯视频会议线上举行，由项目管理办公室副主任蒲洋洋主持，中国疾病预防控制中心慢病中心副主任周脉耕团队研究员--周宇畅博士担任主讲。各课题组负责人、研究骨干及项目研究设计相关人员线上参加，参会人数50余人。

周宇畅博士首先从真实世界研究（RWS）的路径与数据基础讲起，强调高质量的数据、良好的设计、正确的分析与合理的结果解释是RWS的三大关键环节，并提出“两个避免”：避免RWD的选择偏倚，需保证数据治理的透明性；避免结果驱动，需保证研究方案的透明性。

在数据源建设方面，周博士介绍了疾控中心核心数据体系（死因登记、慢病及危险因素监测、传染病直报等）与医院真实世界数据源（电子病历EHR、专病数据库），并以广东省数据底座为例，展示了自然人群队列（14个监测点）与脑卒中高危筛查队列（16.7万人）的多维融合与数据治理标准。

培训还分享了多项顶刊案例：基于广东省自然人群队列的体圆指数（BRI）与死亡风险研究，发现BRI每升高1单位，心血管疾病死亡风险升高11%；脑卒中危险因素联合控制决定预后的研究，揭示“多因共管”的价值——50岁时从最差控制提升至最佳控制可获+1.92年期望寿命。此外，还梳理了人群健康画像、疾病预测、多维度数据融合、职业健康、卫生经济学评价、干预效果评估及数据治理与智能挖掘等七大研究方向。

在AI赋能医学研究的方法学部分，周博士系统介绍了以下核心方法：

智能文献检索：利用ChatGPT、DeepSeek等通用大模型，结合RAG（检索增强生成）技术，通过Scopus AI、Embase AI、知微平台等工具，有效缓解模型“幻觉”，确保文献筛选与综述撰写的准确性。

研究方案设计：AI可辅助处理复杂、相互关联的临床试验方案要素，整合模块化知识，生成完整的研究方案初稿。

统计与因果推断五大方法：双重差分法（DID）、中断时间序列分析（ITS）、贝叶斯时空层级模型、深度学习时间序列预测（LSTM/GRU/Transformer）、双重机器学习（DML），分别适用于干预评估、流行病学与健康画像、传染病预警、高维临床+组学数据因果推断等场景。

AI辅助科学写作：全流程渗透至想法生成、文献综述、草稿撰写与修订、语言润色及专业翻译。同时强调医学期刊核心规范，要求合规使用并明确标注AI生成内容。

培训重点介绍了晨星科维平台。该平台实现了从选题、数据与统计、写作到投稿的全链路闭环管理，特色功能包括：

智能推荐与顶刊仿写：精准解决“不知期刊偏好”的困境，支持从匹配顶刊范文到自动化生成初稿。

无缝集成：统计分析结果自动校验并一键嵌入论文，格式规范无需调整。

合规校验：内置学术不端筛查与文献引用规范库，规避科研诚信风险。

相比通用AI科研工具，晨星科维平台实现了医学垂直深耕，适配疾控中心、医院、高校等各类机构，且严格遵循医学科研数据管理规范，保障数据安全合规。

会议最后，项目组对周宇畅博士的精彩授课表示感谢，并传达项目管理的三点要求：

1. 高度重视，认真组织：各课题负责人需高度重视培训内容的传达，确保课题组内未能实时参会的人员完成补学。

2. 做好记录，留存资料：各课题组需做好本次培训的记录与资料留存工作。

3. 结合实际，有效研讨：请各参会人员结合本课题的数据工作实际，提前梳理问题，将AI赋能真实世界研究的方法与工具（如晨星科维平台）应用到实际科研工作中，切实提升项目科研产出质量与效率。

本次培训内容丰富、实用性强，为各课题组在真实世界研究设计与AI工具应用方面提供了清晰指引。期待各课题组成员将所学转化为科研实践，助力项目高质量产出！