metaScreener：人机协同的系统性文献筛选桌面工具

在学术研究、药物警戒等领域，系统性文献综述（SLR）是获取高质量证据的核心方法，但人工筛选存在耗时费力、主观差异等问题。metaScreener是拉瓦尔大学团队开发的开源桌面应用，通过确定性启发式规则与大语言模型推理结合，构建可审计的流水线，实现人机协同的文献去重与相关性判定，旨在解决SLR筛选的效率与准确性挑战。

系统性文献综述需按纳入/排除标准逐篇审查，分为标题摘要初筛和全文精筛，大型项目初筛可能处理数万篇文献，人力成本极高。metaScreener定位为人机协同工作台，不追求完全自动化，而是通过技术放大研究者决策能力，保留人类专家最终裁决权。

metaScreener采用插件化架构，核心筛选逻辑为可配置处理节点组成的流水线。节点类型包括：

• 确定性过滤器：基于规则（关键词、发表年份、文献类型等）快速剔除明显不相关文献；
• LLM推理节点：调用大语言模型处理复杂判断（如研究设计是否符合要求）。 混合架构平衡效率（规则快速过滤）与精度（LLM语义理解）。

metaScreener重视学术透明度与可复现性：

• 决策日志：记录每篇文献处理轨迹（过滤器通过/排除情况、LLM判断理由）；
• SHA-256验证：确保软件版本完整性，避免结果偏差；
• 配置导出：筛选策略可导出为配置文件，便于协作与复现。

metaScreener典型使用流程：

1. 导入文献：从EndNote、Zotero或数据库检索结果导入待筛选文献；
2. 配置流水线：根据纳入/排除标准设置筛选节点（如先关键词过滤，再LLM语义判断）；
3. 自动初筛：系统将文献分为确定纳入、确定排除、需人工审核三类；
4. 人工裁决：研究者处理需审核文献，界面展示元数据、摘要及LLM理由辅助决策；
5. 导出结果：导出纳入列表与决策日志，用于综述方法学撰写。

metaScreener采用MIT许可证开源，支持Windows、macOS、Linux跨平台使用。插件化架构便于社区贡献（如学科专用过滤器、LLM集成插件）。适用群体包括：

• 系统综述研究者（医学、心理学等循证领域）；
• 药物警戒团队（监测药物安全性信号）；
• 政策分析师（掌握主题研究现状）；
• 文献计量学者（大规模文献预处理）。

metaScreener体现务实AI应用理念：不替代人类，而是增强人类能力。在文献筛选这类需大规模数据处理与复杂判断的领域，人机协同方案更可靠实用。随着LLM能力提升，此类工具将在学术研究中发挥更重要作用。