人工智能（AI）工具，特别是像 ChatGPT 这样的大语言模型，正逐渐渗透到学术研究的各个环节。一个备受关注的应用是利用 AI 自动生成用于系统综述或范围综述的文献检索策略。本文将探讨使用 ChatGPT 构建布尔检索式的具体方法、潜在风险，并提供一份实战指南。

能否用 ChatGPT 撰写文献检索策略？

2023 年 2 月，研究人员 Wang 等人发表论文，展示了如何使用 ChatGPT 为 PubMed 数据库生成用于系统综述的布尔检索式。研究发现，与其他自动化检索策略生成工具相比，ChatGPT 生成的检索式精确率较高，但召回率（或称灵敏度）较低。

这意味着：ChatGPT 生成的检索式能找到 部分 相关文献，但很可能遗漏掉 大量 相关文献。

Wang 等人提出的方法

该方法依赖于用户向 ChatGPT 提供一系列精确的指令，并通过一篇“种子文献”（通常是一篇已发表的相关系统综述）的标题和摘要来引导模型。其核心是利用 PICO 框架（人群、干预、研究设计等）来构建检索概念。

核心警告

在使用此方法前，必须认识到其固有的局限性：

  • 结果不可复现：即使使用完全相同的提示词，ChatGPT 也可能生成不同的检索策略。
  • 召回率不可接受：生成的检索式虽然精确率尚可，但召回率过低，无法满足系统综述“全面检索”的核心要求。
  • 表面效度差：检索策略通常显得杂乱无章，逻辑性不强。
  • 可能捏造 MeSH 术语：ChatGPT 会在检索式中加入一些实际上并不存在的 MeSH 术语。
  • 无法处理专有数据库：该方法目前仅适用于 PubMed，无法为 Ovid Medline, Embase, PsycINFO 等专有数据库生成策略。
  • 不支持邻近运算符：无法使用邻近运算符（如 ADJ, NEAR）来平衡精确率和召回率。
  • 对使用者要求高：
    • 用户必须能理解 PubMed 的检索语法。
    • 用户必须有能力评估和修正输出结果的有效性。

重要提示： 为了评估 ChatGPT 的输出，你必须具备解读和评判 PubMed 布尔检索式的专业能力。不要盲目信任，永远进行验证。

使用 ChatGPT 创建 PubMed 检索式的四步提示词

以下提示词（Prompts）逐字复制自 Wang 等人的研究论文，旨在指导 ChatGPT 分步生成检索策略。

第一步：提取关键词

此步骤要求 ChatGPT 从种子文献中识别出 50 个相关术语。

请精确遵循我的指令，为医学系统综述的文献检索开发一个高效的布尔检索式。不要解释或详细说明。只回应我要求的内容。

首先，根据以下来自一篇相关研究的陈述和文本，请识别出 50 个相关的术语或短语。你识别的术语应该用于检索更多相关研究，所以请注意选择的术语不要过于宽泛。你的列表中不能有重复项。

陈述: [在此处插入种子文献的标题] 文本: [在此处插入种子文献的示例文本，例如摘要]

第二步：按 PICO 分类术语

此步骤要求 ChatGPT 将上一步生成的术语列表按 PICO 元素进行分类。

对于你在第一步创建的列表中的每一项，请将其分为以下三类之一：与健康状况相关的术语 (A)，与治疗相关的术语 (B)，与研究设计类型相关的术语 (C)。如果某一项不属于这些类别，请标记为 (N/A)。每个项目都需要被分类为 (A), (B), (C), 或 (N/A)。

第三步：生成初步布尔检索式

此步骤要求 ChatGPT 使用分类后的术语构建一个符合 PubMed 语法的检索式。

使用你在第二步创建的分类列表，创建一个可以提交给 PubMed 的布尔检索式，该检索式将每个类别的项目组合在一起。例如： ((itemA1[Title/Abstract] OR itemA2[Title/Abstract] or itemA3[Title/Abstract]) AND (itemB1[Title/Abstract] OR itemB2[Title/Abstract] OR itemB3[Title/Abstract]) AND (itemC1[Title/Abstract] OR itemC2[Title/Abstract] OR itemC3[Title/Abstract]))

第四步：优化检索式并添加 MeSH 术语

最后一步要求 ChatGPT 利用其“专业知识”对检索式进行优化。

请利用你的专业知识优化此检索式，使其在检索到尽可能多相关文献的同时，最大限度地减少检索到的文献总数。必要时，请在检索式中添加相关的 MeSH 术语，例如 MeSHTerm[MeSH]。请保留检索式的总体结构，即检索式的每个主要子句对应一个 PICO 元素。最终的检索式仍需能在 PubMed 上执行，因此它必须是一个有效的检索式。

ChatGPT 生成的检索式示例

以下是 Wang 等人研究中，通过上述四步法最终生成的检索式。该检索旨在查找关于通过尸检研究分化型甲状腺癌患病率的文献。

(((differentiated thyroid cancer[MeSH] OR "differentiated thyroid"[All Fields] OR "thyroid carcinoma"[All Fields] OR "papillary microcarcinoma"[All Fields]) 
AND 
(prevalence[All Fields] OR incidence[MeSH] OR "etiology of"[All Fields] OR "risk factors"[All Fields] OR gender[All Fields] OR hormonal[All Fields] OR "nodular goiter"[All Fields] OR "Hashimoto’s thyroiditis"[MeSH] OR malignancy[MeSH] OR "concomitant lesion"[All Fields] OR tumor[All Fields] OR infiltrate[All Fields] OR fibrosis[All Fields] OR "early stages of development"[All Fields] OR frequency[All Fields])) 
AND 
(autopsy[MeSH] OR surgical[All Fields] OR material[All Fields] OR series[All Fields] OR specimens[All Fields] OR cases[All Fields]))

批判性思考

在评估这个由 AI 生成的检索式时，请尝试回答以下问题：

  1. 你能识别出其中的错误吗？ （例如：不相关的术语、错误的字段标识、逻辑混乱等）
  2. 你能解释这个检索式在 PubMed 中具体执行了什么操作吗？
  3. 你是否信任这个检索式的结果？ 它能保证高召回率（找到所有相关研究）和高精确率（排除不相关研究）吗？
  4. 你是否能将这个检索式轻松地转换为适用于其他数据库的语法？
  5. 你是否愿意信任 ChatGPT 来完成你研究中的数据收集工作？

结论

目前来看，将 ChatGPT 用于生成系统综述或范围综述的检索策略是不可靠且有风险的。虽然它可以作为头脑风暴、寻找同义词或初步构建检索概念的辅助工具，但其输出结果的低召回率、不可复现性以及逻辑缺陷使其无法替代人类专家的工作。

对于严谨的学术研究而言，文献检索策略的设计、执行和记录仍需由具备专业知识的研究人员或信息专家完成，以确保研究的全面性、透明度和可重复性。

👉 如果你需要 ChatGPT 代充 / Claude / Claude Code / 镜像 / 中转 API：