最近做科研的朋友在整理阿尔茨海默病血液生物标志物的相关文献，有一个横向比较的问题尤为突出： 同样检测血浆 p-tau217，为什么不同研究报告的诊断效能会有明显差异？ 不同论文虽然都在研究p-tau217，但它们可能使用完全不同的参照标准。 有的研究以Aβ-PET是否阳性为终点，有的研究预测tau-PET结果，还有的只是区分临床诊断的阿尔茨海默病患者和健康对照。 研究对象可能来自记忆门诊或不同国家；检测平台、统计模型和阈值选择方法也可能不一样。 这意味着，即使两篇论文都报告了“AUC”，这些数字也不一定回答同一个问题。 所以，这次真正要解决的是哪些结果具备横向比较的条件，哪些只能放在各自研究内部解释？ 于是，我把 ScienceBuddy 这款产品推荐给了他，并带着他跑了一次任务。 ScienceBuddy 是 @PhAILabs 研发的一款免费交互式科研工作空间。它最吸引我的地方，是可以把文献阅读、证据提取、代码执行和结果输出放在同一条工作流里完成。 我可以直接上传论文，用自然语言描述研究任务。ScienceBuddy会拆解任务、阅读材料、执行分析，并生成可以继续核查和使用的文件。 相比只得到一段总结文字，这种工作方式对科研场景更实用： - 原始证据可以整理成结构化表格； - 结论可以回到具体论文页面核查； - 缺失数据会被明确标记，而不是自动补全； - 只有满足条件的数据才会进入图表； - 分析代码和执行过程可以保留下来，方便复核和修改。 这次我向ScienceBuddy上传了4篇公开论文，研究分别来自中国及ADNI验证队列、韩国多中心队列、秘鲁队列和瑞士记忆门诊。 我要求它提取以下信息： 1.研究人群、样本量、检测平台、参照标准、诊断终点、统计模型、阈值策略、AUC及95%置信区间、敏感度、特异度、外部验证和研究局限。 2.找不到的数据统一标记为“NR”，不要根据上下文猜测或补算。先判断结果是否具有可比性，再决定是否绘图。 在此基础上，它又单独生成了一份“可比性说明”，逐项判断不同结果为什么可以比较，或者为什么不能比较。 这一步非常关键。因为如果只是机械提取AUC，最终很容易得到一张看似完整、实际上混合了不同终点、不同人群和不同模型的排行榜。 4篇论文里报告了不少AUC但经过参照标准、研究人群、检测指标和统计模型筛选后，只有两项主分析被判断为“有限可比”： - Jin 2026中国主队列：预测Aβ-PET阳性的AUC为0.923，95%CI为0.875–0.967； - Mendes 2024：预测Aβ-PET阳性的AUC为0.97，95%CI为0.93–1.00 这两项结果都以Aβ-PET阳性为终点，研究对象均覆盖混合认知谱人群，分析的也是血浆p-tau217单项指标，因此可以放在同一张图中展示。 但ScienceBuddy同时保留了“有限可比”的限定：两项研究在检测平台、PET判定方式、病例构成和样本量上仍然存在差异。因此，这张图只能作为描述性展示，不能被解释成正式的跨研究统计比较，更不是Meta分析。 其他结果没有被强行塞进图里： Kang 2025包含不同认知亚组、不同检测组合以及开发集和验证集结果，部分AUC没有报告95%置信区间；Pandey 2025使用的是临床诊断终点，且调整模型中加入了人口学信息和APOE基因型；Mendes研究中的tau-PET结果，则与Aβ-PET阳性属于不同诊断终点。 这些结果都具有研究价值，但不能因为它们都叫“AUC”，就直接放在一起比较高低。 这次体验让我觉得有价值的，是让我感到ScienceBuddy适合科研场景的地方，是它最后只画了两个点。 很多工具擅长快速生成一张信息量很大的图，但科研分析更需要知道：哪些数据不应该出现，为什么不应该出现。 在这次任务中，ScienceBuddy生成了结构化证据表、可比性判断、AUC图和相应的分析文件。 更重要的是，它把“数据缺失”“终点不同”“模型不同”和“只能进行研究内比较”等边界明确保留了下来。 它并没有替我做最终的学术判断，而是把原本分散在多篇论文中的信息，整理成了一条可以检查、修改和继续推进的研究路径。 对我来说，这才是AI科研工具更合理的使用方式：不是跳过核验直接给出结论，而是减少机械整理工作，把研究者的注意力重新放到证据是否成立、比较是否合理这些真正重要的问题上。 如果你也经常需要阅读多篇论文、建立证据表、比较实验结果或生成科研图表，可以试试ScienceBuddy，目前可以免费使用：