🎯 情报来源：量子位
多伦多大学与哈佛医学院等机构联合开发了一款名为otto-SR的AI端到端工作流程，用于医学系统评价（SRs）自动化。该工具结合GPT-4.1和o3-mini模型，在两天内完成了传统方法需12年才能完成的Cochrane系统评价更新，并在多项指标上超越人类评审员。
otto-SR在基准测试中表现出色，灵敏度达96.7%，特异度为93.9%，数据提取准确率达93.1%。它还发现了54篇被人类遗漏的关键研究，显著提升了系统评价的质量与效率。
核心要点：
- otto-SR完成系统评价更新仅需两天，比传统方法快数百倍。
- 灵敏度96.7%，特异度93.9%，数据提取准确率93.1%，远高于人类评审员。
- 发现并纳入54篇被人类遗漏的研究，扩展了医学证据基础。
📌 情报分析
技术价值：极高
otto-SR通过LLM模型和优化提示策略，实现了从文献筛选到数据分析的高度自动化，其性能显著优于当前标准流程，展现了AI在复杂任务中的卓越能力。
商业价值：高
系统评价是临床决策的重要依据，otto-SR可大幅降低时间和成本（传统方法需16个月、10万美元以上），对医疗机构、研究机构和制药公司具有巨大吸引力。
趋势预测：
未来3-6个月内，类似otto-SR的AI工具可能进一步拓展至其他领域，如法律、教育等需要大量文献综述的行业。此外，其高效性和低成本特性或将推动低收入地区获取高质量医学证据的能力。