Scientify

医学科研入门 / 找选题

医学生如何用 AI 找科研选题：把一个临床疑问变成能做的研究问题

很多医学生的第一个课题卡在两头：要么题目太大，要么查了半天才发现别人早就做过。好选题通常来自一个具体的临床疑问，经过文献检索、PICO 收窄和可行性核对，才变成能在现有条件下完成的研究问题。本文讲清这条路怎么走，以及 AI 在哪些环节能省时间、哪些环节不能替你做决定。

直接答案

医学生用 AI 找选题，应从见习或病例讨论中的具体临床疑问出发，而不是直接让 AI 出题目。先检索已有研究确认问题还没被做透，再用 PICO 定义人群、干预或暴露、对照和结局，最后核对样本、数据使用权限、伦理审批和统计可行性，并请导师确认方向。

难点

医学生找选题常卡在哪四个地方

难点通常不在想不出题目，而在于判断一个题目值不值得做、做不做得成。

不知道哪些问题还没有答案

教材讲的是已有共识，真正有研究空间的争议和未解决问题散落在近几年的论文、指南更新和讨论部分里，新手很难集中看到。

手动检索慢，而且容易漏

同一个概念在不同论文里可能用不同术语、缩写或主题词表达。关键词选得窄，会漏掉关键研究，误以为找到了空白。

文献太多，难判断质量

病例报告、观察性研究、随机对照试验和系统综述的证据强度不同。新手容易把单篇小样本研究当成定论，或者被大量低质量文献淹没。

从话题到问题缺一步

“糖尿病并发症”是话题，不是研究问题。只有明确了研究谁、比较什么、看哪个结局，才能判断要什么数据、用什么方法。

PICO

用 PICO 把临床疑问改写成研究问题

PICO 是循证医学里常用的问题框架。四个要素都写清楚后，问题既能直接拿去检索，也能看出研究需要哪些数据。

要素要回答的问题宽泛写法收窄后的写法（示例）
P 人群研究对象是谁？纳入和排除标准是什么？糖尿病患者本院住院、年龄 65 岁以上的 2 型糖尿病患者
I 干预或暴露关注的治疗、暴露或因素能否明确定义和测量？用了新药入院前已规律使用某一类降糖药至少 3 个月
C 对照和谁比？对照组怎么设置？不用药的人同期使用另一类降糖药的患者
O 结局看什么结果？用什么指标、在什么时间点测量？效果更好出院后 90 天内的全因再入院率
表中为说明写法的示例，不代表具体研究结论；实际定义需结合指南和导师意见。

流程

从临床好奇点到研究问题的五步流程

  1. 01

    记下一个具体的临床疑问

    从见习、轮转或病例讨论中遇到的问题开始，例如“为什么这类患者的某项指标总在术后第几天波动”。越具体，后面越容易检索和收窄。

  2. 02

    检索现状，确认是否已有相同研究

    在 PubMed 等数据库检索相关研究，同时查看临床试验注册平台和系统综述注册平台，确认有没有已发表、正在进行或已注册的相同研究。这一步可以交给 AI 扩展同义词和主题词，但关键文献要自己打开原文核对。

  3. 03

    用 PICO 收窄问题

    把疑问拆成人群、干预或暴露、对照和结局四个要素。写不清楚的要素，往往就是题目过大或数据拿不到的地方。

  4. 04

    核对可行性，准备一页材料

    按样本、数据使用权限、伦理、统计和时间逐项检查，把背景、研究问题、三到五篇关键文献和初步方法整理成一页，便于讨论。

  5. 05

    请导师复核并确认方向

    导师能判断临床意义、科室条件和数据来源是否现实。最终方向、研究设计和伦理申报以导师和所在机构的要求为准。

可行性

选题可行性检查表

PICO 写清楚只说明问题可以检索，不代表能做完。正式确定选题前，至少逐项过一遍下面的清单。

  • 已有证据：是否已有相同或高度相似的已发表、在研或已注册研究？如果有，你的问题在人群、设计或结局上有什么不同？
  • 样本与数据：在可用时间内，能否获得足够的病例或样本？数据来自科室病历、已有队列、公开数据库还是需要前瞻收集？
  • 数据使用权限：是否需要医院、科室或数据库方的授权？部分公开临床数据库需要注册、完成培训并签署数据使用协议后才能访问。
  • 伦理审批：涉及患者数据或人体样本的研究，是否需要提交伦理委员会审批或申请知情同意豁免？
  • 统计可行性：主要结局的事件数或预期效应量，能否支撑所需的样本量和分析方法？是否有懂统计的老师可以咨询？
  • 完成条件：所需的检测方法、设备、软件和时间是否可得？能否在毕业或项目节点前完成？

Scientify

用 Scientify 在选题确定前先跑一轮验证

Scientify 是运行在隔离云电脑中的科学智能体。你把临床疑问和初步 PICO 交给它后，它可以围绕这个问题持续组织检索策略，查找相同或相似的研究，尝试获取全文 PDF，并整理出已有研究的人群、设计和结局，帮你判断空白是否真实存在。

如果问题可以先用公开数据集做初步检验，智能体可以下载数据、编写分析代码、跑描述性统计或初步模型，再根据结果调整问题。文献、代码、依赖、数据、日志、图表和结果都保存在同一个工作区，关掉电脑后任务继续运行，你可以用手机查看进度，最后拿到可以复现的代码、数据和报告，带去和导师讨论。

  • 对话历史和工作区文件只保存在隔离云电脑中，Scientify 服务器不存储这些研究数据
  • 隔离云电脑由通过 SOC 2 Type II 认证的服务商提供，数据删除后不留存副本
  • 核心智能体已开源，GitHub 获得 2k+ Stars；相关论文入选 ICML 2026
  • 新注册用户免费获得一台云电脑和 $5 模型额度

参考资料

  • PubMed — 生物医学文献检索
  • ClinicalTrials.gov — 查询已注册和正在进行的临床试验
  • PROSPERO — 系统综述注册平台，可查是否已有相同综述在做

常见问题

选题可以直接让 AI 给我出几个题目吗？

不建议。AI 直接给出的题目往往过大，或者已经被做过很多次。更可靠的做法是从自己遇到的具体临床疑问出发，让 AI 帮你扩展检索词、整理已有研究，再自己判断数据和能力是否支撑。

为什么一定要用真实文献验证选题？

只有检索到真实的已发表和已注册研究，才能确认这个方向是否已经做透，以及你的问题和已有研究差在哪。AI 生成的文献可能不存在或信息有误，进入开题材料的每篇文献都要打开原文核对。

没有医院数据，医学生还能做什么研究？

可以考虑基于公开数据库的二次分析、系统综述或 Meta 分析等。公开数据库也可能需要注册和签署数据使用协议，具体设计仍需和导师确认。

Scientify 能帮我完成伦理审批或替我决定研究方案吗？

不能。Scientify 可以检索文献、尝试获取全文，并在你有权使用的数据上编写代码、跑初步分析。伦理审批、数据授权和研究方案的最终决定，需要由你、导师和所在机构完成。

继续阅读

用 AI 生成研究假设从文献中提炼可检验的假设，并设计验证方式。研究数据隐私对话历史和工作区文件只保存在隔离云电脑中。从文献到可复现实验Scientify 如何把检索、假设、代码和实验放进同一个工作区。

从一个临床疑问开始验证你的选题

写下你的问题和初步 PICO，智能体会在云端检索相似研究、尝试获取全文，并在公开数据上做初步分析。新注册用户免费获得一台云电脑和 $5 模型额度。

开始研究