医学论文读图教练

读图比读字更难

医学论文里的统计图往往浓缩了整篇研究的核心结论，但对没有生信或统计学背景的医学生来说，一张火山图、热图或 Kaplan-Meier 曲线可能比正文还难读。你可能知道横轴是 log2 fold change，却不确定纵轴该看 -log10 P value 还是校正后的 FDR；你看到 PCA 图上两组分开，却分不清这是真实差异、批次效应，还是样本量太小导致的偶然。更不用说多面板图里每一块信息都不同，如果没说明，很容易误读。

这个技能做了什么

它不替你“看懂”图，而是带你一步步拆解。首先检查输入：图像是否清晰，文字、坐标轴、图例、统计标识是否可读；如果是多面板图，优先解释你指定的面板，否则只基于可见内容分析。接着识别图型，并路由到对应的检查清单。例如：

• 火山图：确认效应量定义、显著性阈值、上调/下调方向、多重检验校正方式
• 热图：说明行与列的含义、颜色映射、聚类树的解读边界
• ROC 曲线：解释阳性结局、AUC 的含义，以及阈值取舍
• Kaplan-Meier 生存曲线：指出比较组、终点事件、删失标记、HR 与置信区间

对于未覆盖的图型，它会明确说明并使用通用框架，不会假装精确分类。

最后，输出固定为五层结构，包括：一句话结论、图怎么读、证据有多强（区分图中可见、作者推断、无法判断）、医学或生物学含义，以及常见误读与结论边界。末尾还会给出 2–3 个你可以直接问导师或作者的问题，帮助你进一步判断可靠性。

边界在哪里

这个技能是科研教育工具，不是临床决策支持。它不会：

• 把统计显著等同于临床重要
• 把观察性关联说成因果关系
• 在图像不清晰时猜测或补全信息
• 替代论文全文、方法学信息或专业统计审查

如果你需要做临床决策，它建议你咨询有资质的临床医生，并以完整病历和正式指南为依据。