作者：默思編輯部 發布：2026-07-29
進行一篇系統性文獻回顧（systematic review），最耗費人力的階段往往是標題摘要篩選與資料萃取——研究者得逐一檢視成百上千篇文獻的標題與摘要，判斷是否符合收案條件。2026年的現況是，AI工具已經能將這個階段的人力工作量減少五成到七成五，同時維持PRISMA等級的準確度，前提是搭配研究者的監督審查。
目前廣泛使用的AI輔助系統性回顧平台包括Covidence、Rayyan、ASReview、Elicit與Atlas，各自在篩選、資料萃取與文獻綜整階段扮演不同角色。以篩選工作量的壓縮幅度來說，部分工具如AIM Review展示的篩選時間節省幅度可以從二成一路提升到九成五，代表AI相關性預測模型的準確度已經達到可以大幅取代人工初篩的水準。
這些AI工具能透過相關性預測加速標題摘要篩選、透過自訂欄位模板做結構化資料萃取，並透過AI生成的引用式摘要協助文獻綜整。更進階的系統甚至能夠自動定位論文中的方法學段落、萃取統計結果、辨識研究限制，並自動填入資料萃取表格——這些原本都是研究助理需要逐篇人工完成的繁瑣工作。
隨著AI輔助工具愈來愈普及，包括Cochrane、BMJ、JAMA、The Lancet與Springer Nature在內的多數主要出版社，目前都已接受AI輔助的系統性回顧投稿，前提是必須依照PRISMA-trAIce揭露清單，明確說明AI工具在回顧流程中被用在哪些環節、扮演什麼角色。這代表「有沒有用AI」本身不是問題，「有沒有誠實揭露AI的使用方式」才是審稿與讀者評估證據品質的關鍵。
對正在準備碩博士論文或投稿系統性回顧的研究者而言，適度導入AI輔助篩選工具可以大幅縮短文獻蒐集階段的時程，但仍必須保留人工複核機制，並在方法學段落誠實揭露AI工具的使用範圍，避免因為未揭露而在審稿或發表後引發證據可信度的爭議。
想扎實建立系統性回顧與實證醫學的基本方法學，歡迎參考實證醫學2小時速成班：從PICO到森林圖，一次掌握競賽關鍵技能。