科研人员可借助ChatGPT高效处理文献：精准检索（需明确期刊、时间、数据类型等约束）、PDF结构化提取（六维字段或对比表格）、多篇横向分析（三维框架+瓶颈解法）、复现指导（分三级刚性建议），但DOI核验、图表数据回查、参考文献格式校正须人工完成。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
科研人员平均花费超过60%的工作时间在文献的搜集、阅读、筛选和整理上，面对PubMed、Web of Science等数据库里动辄数万条结果，手动翻页、逐篇判断相关性、复制粘贴摘要再人工归类，三天也理不清一个子方向。你不需要再靠Ctrl+C/V硬扛，ChatGPT能直接解析PDF原文、跨篇对比方法论、自动提取“研究目的—局限性—创新点”六维结构，把文献从负担变成可调度的知识模块。
用自然语言指令精准定位文献
别再输“machine learning AND healthcare”这种宽泛关键词。直接对ChatGPT说：“我正在做‘基于多模态大模型的基层胸片辅助诊断系统’，请列出近3年在Radiology、Nature Medicine、JAMA Internal Medicine发表的、使用真实临床影像数据且开源代码的论文，按被引量降序，并标注每篇是否含前瞻性验证。”
这一步必须带具体约束条件：期刊范围、时间窗口、数据类型、验证方式。漏掉任一条件，ChatGPT可能返回预印本或仿真数据研究，【无法支撑临床转化论证】。
如果ChatGPT返回了文献标题但无链接，立刻补一句：“请为每篇提供DOI或PubMed ID，我需要去Web of Science核验影响因子和施引网络。”
上传PDF后一键提取结构化信息
方法一：拖入整篇PDF（支持中文/英文/混合排版）→ 输入指令：“请严格按以下字段提取：1. 研究要解决的具体临床问题；2. 样本来源（医院名称/队列编号/公共数据库名）；3. 模型输入模态（CT/MRI/X-ray/文本/时序信号）；4. 主要评估指标（AUC/F1-score/sensitivity-specificity）；5. 作者声明的落地障碍（如算力/标注成本/监管路径）。”
方法二：若PDF无法上传，复制全文或关键章节（引言+方法+结论）→ 输入：“你是一名资深医学AI审稿人，请用表格呈现这篇工作的技术路线图：左侧列‘步骤’，右侧列‘本文做法’和‘与Liu et al. 2023的差异’。”
注意：ChatGPT对图表中的坐标轴标签、混淆矩阵数值识别率低，【切勿依赖其转述图表数据】，所有量化结果必须回查原文图注。
用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。
多篇文献横向对比生成综述草稿
第一步：把5篇目标文献的标题+作者+DOI一次性发给ChatGPT。
第二步：发送指令：“请构建三维对比框架：X轴=数据规模（患者数/影像张数），Y轴=临床任务颗粒度（病种级/病灶级/像素级），Z轴=部署可行性（云端API/边缘设备/手机端）。将每篇文献投射到该坐标系，用中文描述其定位及技术取舍逻辑。”
第三步：要求输出：“基于上述分析，指出当前领域在‘小样本标注’和‘多中心泛化’两个瓶颈上的主流解法，并标注每种解法对应的代表性文献（仅限本次提供的5篇）。”
这一步生成的内容可直接粘贴进论文引言第三节，但需手动补全各文献的参考文献格式——ChatGPT生成的引用常缺失卷号或页码，【务必用Zotero校验后插入】。
向文献提问，触发深度推理
把某篇论文的“讨论”部分复制粘贴 → 输入：“假如我要复现该方法，但只有200例本地胸片（非公开数据集），请分三点说明：1. 哪些预处理步骤必须调整；2. 数据增强策略应优先尝试哪两种；3. 验证阶段需额外报告哪些指标以弥补样本量不足。”
这个操作本质是让ChatGPT扮演领域内审稿人角色，它会调用训练中吸收的审稿惯例（如强调内部验证、消融实验必要性），给出可立即执行的方案。但要注意：它不会知道你本地GPU显存大小，所有硬件相关建议需自行替换为实际配置。
发送完问题后，立刻追加一句：“请用‘必须’‘建议’‘可选’三级标出每条措施的实施刚性。”
