研究空白与切入点挖掘
发现您所在领域中有价值的研究空白和可行的切入点，并按方法学、人群或机制进行分类排列。
- 填写研究领域和聚焦方向。
- 点击 AI Run，研究空白分析助手会先自我介绍，并请你在聊天中提供源材料（论文摘要、关键段落、DOI 列表或研究主题）。
- 将源材料粘贴到聊天中。
- 获取结构化的空白分析后，可继续追问，以进一步挖掘具体空白。
研究空白分析是严格识别文献尚未回答的问题——以及这些未解问题为何重要——的规范性流程。它是每一份有力的基金申请和学位论文提案的智识基础。审阅者和基金委员会一贯会驳回那些未能令人信服地论证"为何需要开展新研究"的提案；一份精心执行的研究空白分析，恰恰以结构化、可信的形式提供了这一论证。
本工具采用多维度空白分类框架，对所提供的文献、摘要或主题描述进行系统分析。系统不会笼统指出"需要更多研究"，而是将研究空白按类型分类：方法学空白（现有研究采用了有缺陷或过时的设计）、证据空白（理论上存在某一问题，但尚无实证研究加以检验）、跨情境空白（某一人群或环境中的研究发现尚未在其他人群或环境中检验），以及亚群体异质性空白（总体结果掩盖了患者亚群之间的重要差异）。
一个显著特点是内置的反迎合机制。与其简单认同用户所提供的框架，AI被指示主动搜索每个拟议空白可能已在近期文献中得到解决的证据。这可以防止研究者基于一个被近年多中心临床试验填补的空白来构建提案。用户获得的不仅是空白列表，还有每条空白的可信度评估——基于其在现有证据中仍表现为开放状态的充分程度。
本工具支持多种输出模式，与不同使用场景相匹配：基金申请模式侧重临床意义和创新性表述；学位论文模式生成适合多年期项目的更广泛切入点；研究提案模式提供结构化的论证段落，可直接粘贴使用；一般探索模式提供无预设框架的全景式梳理。
提供3至10篇高质量源文献时效果最佳。AI将这些文献与其对该领域的广泛知识融合，从而识别出单靠用户的文献或单靠AI都无法独立发现的空白。支持上传PDF文件以直接分析全文。
在正式提案中引用任何已识别的空白之前，都应在PubMed中独立核实。在独立的搜索会话（与AI对话无关）中进行验证是最可靠的方法，可避免先前对话上下文引入的确认偏差。