Evolution of evidence-based medicine: toward digital evidence ecosystems and artificial intelligence

循证医学（evidence-based medicine, EBM）通过将最佳可得研究证据与临床专业知识及患者的价值观和偏好相结合，改变了临床决策。过去三十年间，EBM已从对单项研究的批判性评价，演变为涵盖证据合成、临床实践指南、证据确定性评估、研究透明度以及共享决策的更广泛框架。尽管取得了这些进展，当代EBM仍面临重要挑战，包括研究数量迅速增长、证据合成与实施延迟、随机对照试验对异质性真实世界人群的适用性有限，以及群体层面证据难以个体化应用。新兴方法——包括真实世界证据、动态证据、学习型卫生系统、精准医学和人工智能（AI）——为解决这些局限提供了机遇。这些方法共同有望推动从静态证据向持续更新证据的转变，从群体平均证据向更个性化证据的转变，以及从线性证据 pipeline 向学习型证据生态系统的转变，在该系统中临床实践既使用证据也生成证据。AI可进一步加速证据检索、合成、更新和个体化决策支持，同时带来与可靠性、偏倚、透明度、可重复性和问责制相关的挑战。因此，下一代EBM不应被概念化为对传统EBM的替代，而应被视为其向数字互联、持续学习的证据生态系统的演进。在AI时代，EBM的基本原则——来源核实、批判性评价、不确定性评估、患者偏好整合以及可问责的人类判断——将变得愈发重要。