Use case ricerca scientifica
Revisione sistematica AI-assisted: metformina e prediabete
Un percorso Level A su una domanda clinica reale: protocollo PICO, search log multi-database, dual screening (AI propone, umano decide), matrice evidenze con DOI, manoscritto IMRAD e pack professore. Per ricercatori clinici, metodi e team universitari.
Il problema che risolviamo
- Un professore deve avviare una systematic review su metformina e prevenzione del diabete senza un team Covidence intero.
- Uno specializzando deve produrre una bozza PRISMA-style con criteri espliciti e citazioni verificabili.
- Un methodologist vuole audit trail: protocollo, screening log, esclusioni codificate, non solo prosa AI.
- A mano: settimane tra PubMed, dedupe e screening. Con AutoSearch: protocollo + evidence pass + desk di screening nello stesso workspace.
Cosa hai ricevuto (caso metformina)
- Protocollo PICO editabile (PROSPERO-shaped draft) sul run
- Search strategies per database (PubMed, OpenAlex, Crossref, ClinicalTrials, Semantic Scholar) con hit counts
- 89 record in screening desk · dual/human screening completato
- Evidence matrix con claim, supporto testuale, PICOS-lite e RoB human-confirmed
- 14+ DOI in matrice con validazione Crossref sul sample
- Manoscritto IMRAD / LaTeX (11 pagine PDF) + professor pack (protocollo, screening, search log, checklist Level A)
- Label onesta: Systematic review (AI-assisted; human dual screening completed) solo a gate verdi
Anteprima del paper (metformina)
Metformin for type 2 diabetes prevention in adults with prediabetes
PDF generato dal percorso systematic: Methods con strategie di ricerca, screening umano, riferimenti e disclaimer AI. Bozza da revisionare prima di qualsiasi submission.
Scarica il sample PDF (11 pagine)Domanda usata: “Does metformin reduce the incidence of type 2 diabetes in adults with prediabetes compared with placebo or standard care?”
Come ha funzionato AutoSearch (Level A)
- Hai impostato review mode = systematic e la domanda su metformina / prediabete.
- AutoSearch ha redatto un protocollo PICO e le boolean strategy per database.
- Ha recuperato fonti da PubMed, OpenAlex, Crossref, ClinicalTrials.gov, Semantic Scholar (e pack scientifici).
- Sul screening desk l’AI ha proposto include/exclude; un rater umano ha confermato (R1) title/abstract e full-text.
- Ha assemblato matrice, Methods PRISMA-style, manoscritto e professor pack auditabile.
Cosa ti garantisce (e cosa no)
- DOI verificabili via Crossref quando presenti — non citazioni inventate
- Dual screening umano obbligatorio per la label Level A (l’AI non chiude da sola)
- Search log e criteri di inclusione/esclusione esportabili
- Limitazioni e AI-use statement espliciti nel manoscritto
- Non è una garanzia di accettazione journal né un sostituto di co-autori ICMJE
Altro esempio: RAG in clinical decision support
Restiamo anche il caso precedente su literature review di Retrieval-Augmented Generation in ambito clinico — utile per team digital health e AI hospitalieri. Non è un percorso Level A dual-screen completo: è un sample di rapid structured review con DOI e IMRAD.
RAG per il triage / clinical decision support
- 10 paper peer-reviewed con DOI nel sample
- 2 trial ClinicalTrials.gov nel sample
- Evidence matrix + limiti stile PRISMA
Avvia la tua review scientifica
Parti da una domanda clinica chiara. Per Level A attiva il modo systematic, completa protocollo e screening, poi esporta il professor pack.