患者为中心的个体化临床证据支持
Patient-Centered Personalized Evidence
EVIDENCE OS / RESEARCH IN PROGRESS
让医学证据不断向前。
新方向 · 医学证据背书
当 Agent 帮人挑选，你的产品/服务凭什么被信任？
查看服务、案例与交付全球范围的循证医学实时更新证据
Live Evidence
医疗通用人工智能决策基础设施
Clinical AGI Decision-Making Infrastructure
你希望解决什么问题？
选你的场景，看交付与费用。
患者与家属
治疗选项很多，怎样看清个人适用的证据？
3 档服务 · 看交付与案例临床医生复杂病例需要专业核查，科研卡住怎样拿到结果？
2 档服务 · 看交付与案例科研团队选题值不值得做，卡住的研究怎样推进？
3 档服务 · 看交付与案例医院与科室怎样让科室共同使用一套可更新的依据？
2 档服务 · 看交付与案例健康品牌、药械与 CRO产品和服务的健康主张，支持到哪一步？
3 档服务 · 看交付与案例律师与法律机构争议中的医学主张，怎样找到可核查的依据？
2 档服务 · 看交付与案例支付、政策与指南机构效果、成本和实施条件，怎样一起比较？
2 档服务 · 看交付与案例EOS 是证据系统。服务按工作范围组织：通用证据专业分析与研究深度定制服务
EOS CLINICAL AGI RESEARCH INSTITUTE
进入临床 AGI 研究院研究院 · 研究成果
全部研究方向与动态规划11 个方向
THE RESEARCH PROGRAMME
研究方向与下一步
已有成果是下一步研究的基础。展开每个方向，查看当前进展、下一步与研究依据。
成果已形成正在推进设计已形成后续规划
成果已形成
患者中心的证据体系
如何围绕一个人的目标与共病组织证据？
患者中心的体系观点稿已形成，以多病共存、患者目标与具体问题组织证据生成和使用。
下一步与研究依据
下一步
将框架转为可测量的任务和评价指标。
成果已形成
医学大语言模型研究版图
临床答案到动态证据之间，哪些环节已经验证？
综述研究稿件已发布，梳理医学问答、检索、综合、更新与个体决策之间的研究证据。
下一步与研究依据
成果已形成
社会连接与术后结局 · 证据编译
大量文献能否形成可复核、可继续使用的证据库？
术前社会连接研究：20,399 条去重题录、445 项研究，72 项进入至少一项定量合成。
下一步与研究依据
成果已形成
可信性、治理与纠错
每条结论能否追溯来源、变化与责任？
可审计系统已开发并完成单个综述的内部评价；记录 50 个根因事件，46 个已解决、4 项保留限制。
下一步与研究依据
正在推进
骨骼肌肉与代谢病共病研究
共病人群有哪些能改变临床讨论的证据？
使用大语言模型辅助传统系统综述与 Meta 分析，当前在 review 阶段。
下一步与研究依据
下一步
先完成传统综合，再作为混合信息综合和个体化证据的验证案例。
设计已形成
混合信息证据综合
缺少完整效应量、量纲或时间窗不同的研究，能保留多少信息？
已梳理方法边界与验证设计；比较传统综合与混合信息综合的证据覆盖和可信性。
下一步与研究依据
下一步
在共病研究中检验新增信息、统计自洽性与临床价值。
衔接研究骨骼肌肉与代谢病共病研究
设计已形成
从证据到个体化决策
综合结论怎样匹配具体患者、医生和机构的决策？
决策材料评价设计已形成；后续计划以共病证据研究推进个体化适用性验证。
后续规划
动态证据与持续更新
新研究与纠错出现后，哪些结论需要重算？
研究方向已纳入整体规划，重点为更新触发、版本与纠错传播。
后续规划
证据缺口与新研究
无法回答的临床问题，如何变成下一项研究？
规划把缺口识别、补证设计与协作研究连接起来。
后续规划
独立比较与外部验证
完整系统能否改善工作效率、决策质量与患者结局？
规划在独立领域比较人工、人机协作与 AI 流程，再逐步推进医院真实世界验证。
后续规划
复杂临床决策与基础 AI 研究
共病、不确定性与价值权衡，能否推动决策模型创新？
已规划后续基础研究方向，建立在共病综合与决策转化的实证基础上。
下一步与研究依据
下一步
先完成共病研究与两项方法验证，再定义可证伪的模型研究问题。
FRONTIERS · DAILY BRIEF
查看每日资讯前沿资讯
看懂临床 AI 与医学证据的新进展，以及它们对健康选择和临床实践的意义。
每日精选 · 整理日期
AI提取病历数据时，也应告诉审核者原文在哪里
研究比较人工录入与AI从电子病历提取乳腺癌临床试验数据。系统为每个变量保留原文定位，便于研究人员复核。
对健康与医疗的意义
对医生和研究客户而言，可定位到原文的结果更容易发现误读、处理分歧并留下纠错记录；这是提高效率之外的重要安全条件。
研究边界与出处
研究来自一家医院、一个癌种且为回顾性比较；尚未证明可在不同医院稳定运行，也未证明降低成本或改善患者结局。
Artificial intelligence for clinical data extraction from EHRs in breast cancer trials: the MIRROR study
医学AI引用了文献，也可能被文献的呈现方式带偏
研究显示，向检索库加入少量特制文档，就可能改变医学AI对相同事实的表达重点，并把回答导向特定产品或立场。
对健康与医疗的意义
患者和医生不能只看“有没有引用”，还需知道来源是谁、是否多方一致、是否存在商业偏向，以及结论对替换来源是否敏感。
研究边界与出处
这是实验室基准攻击，不代表现实临床系统已经发生同样问题；对实际攻击频率、患者伤害和最佳防御尚无临床证据。
FramePoison: attacks on medical RAG that target framing, not just facts
真正进入手术流程的AI，公开临床证据仍很少
研究者从3,020条记录中仅找到5项符合真实术中决策支持标准的研究；只有一项已完成，而且仅分析5名患者。
对健康与医疗的意义
患者、外科医生和医院不应把技术演示、注册中的试验或“医生保留最终决定”理解为已证明安全有效；采用前仍需审计、责任和结局评价。
研究边界与出处
研究范围仅限术中AI，纳入数量少且差异大；提出的治理评分表尚未经过外部验证。
Ethical considerations for intraoperative implementation of artificial intelligence clinical decision support systems: a scoping review
METAQUANT让研究投入，有可比较的依据。查看科研资产、ROI 与行情
EVIDENCE PYRAMID
证据有层级，判断有语境。
从全球研究到个体患者，既看证据的形成方式，也看它能否回答眼前的问题。
治疗效果问题的简化示意。研究设计是起点；偏倚风险、一致性、精确性与适用性共同决定可信度。
- 系统综述与 Meta 分析
- 随机对照试验
- 观察性研究队列 · 登记研究 · 病例对照
- 病例报告与病例系列
- 专家意见与机制推理
患者目标实际条件个体适用性
为什么选择 Evidence OS？
可信度
临床与科研团队
临床与科研团队结合原始资料、专业复核和真实研究开展判断，通过系统综述与 Meta 分析形成综合证据。
尹川 Chuan Yin · 北京大学临床医学博士，哈佛大学医学院访问学者，Evidence OS创始人与首席科学家。可信度 · 可靠性
前沿数学与统计研发
持续开展前沿数学与统计模型研发与应用，支持混合信息证据综合、共病研究与个体化分析。说明方法假设、适用条件和不确定性，让方法选择有依据。
可靠性
结论与过程可追溯
按约定提供来源、数据、分析与版本记录。专业复核、纠错和更新保留证据链，便于核查结论如何形成。
可靠性
交付与更新事先约定
委托前明确范围、费用、负责人、节点与验收。按约定追踪新研究，更新有交代；新增问题与费用事先确认。
亲密度 · 安心理解
理解顾虑，明确资料边界
先听清你的目标、顾虑、预算与现实限制，共同确认问题。结合个体处境解释证据，并明确资料用途与处理安排，让真实情况可以安心讨论。
利他性 · 客户利益
先评估价值，再决定投入
如实呈现支持、相反和不足的证据。研究委托可先评估，再决定继续、收窄或暂停；可复用工作按约定抵扣，投入与你的需要对应。
- 描述问题
说清用途、资料与时间。提交需求免费。
- 确认方案与报价
列明交付、专业复核、费用和验收。
- 按阶段开展与交付
签约后开展；更新需求另行约定。
GLOBAL RESEARCH · CLINICAL CONTEXT
多途径证据，汇到同一个问题。
医学期刊、循证综合、研究登记与临床专家视角互相补充。
1 / 6
公开资料与全文按访问权限使用；专家贡献与项目资料按具体授权纳入。来源名称与标识不代表机构合作。
查看来源与评价方法