MecCog 挑戰開跑:AI 讀阿茲海默症文獻,為什麼先比證據擷取?

MecCog 新試辦挑戰於 2026 年 11 月 17 日開放,聚焦五項 APOE4 機制假說。看懂文獻擷取、實驗證據、提交格式與評估方式,不把研究當治療成果。

Share
MecCog Challenge 官方藍色封面,標示臨床前生物學開放科學挑戰
MecCog 官方封面標示這是一項臨床前生物學的開放科學挑戰。 圖片來源:官方原文。

AI 可以快速找出大量論文,但找到文章和找出可靠實驗證據仍有距離。MecCog 挑戰把這段差距放到台面上,邀請參與者從阿茲海默症相關文獻擷取可追溯的研究結果。

2026 年 11 月 17 日開放的新試辦輪次,聚焦 APOE4 與細胞內運輸機制的五項假說。提交截止日為 2027 年 1 月 15 日,任務先停留在找論文與擷取實驗發現。

APOE4 是 APOE 基因的一種常見版本,與晚發型阿茲海默症風險有關。但相關性不會自行解釋致病過程,因此挑戰要求參賽者檢視支持特定機制的實際證據。

主辦方把後續證據強度評估、實驗設計與治療意涵另列階段。這種安排讓 AI 文獻工具先接受較具體的檢查,避免在資料整理尚有缺口時,就跨到治療結論。

這項挑戰適合想建立可稽核文獻流程的研究者與開發團隊。它提供的是公開研究任務,並未證明任何假說,也不能用來判定個人的罹病風險或選擇治療。

參與前需要了解的重點,是一項實驗發現該如何記錄到別人能回原文核對,因為摘要寫得流暢並不足以通過這種檢查。

MecCog 這次比賽的任務到哪裡?

新試辦輪次要找出與五項機制假說相關的原始論文,擷取其中的實驗發現。

依新挑戰官方說明,這輪是整體路線的第一步,期間從 2026 年 11 月 17 日到 2027 年 1 月 15 日。每份提交最多處理五十篇論文,重點在與假說相關的實驗發現。

細胞內體可理解成細胞內整理與運送物質的一部分結構。這輪五項假說聚焦 APOE4 如何影響相關功能,因此參與者不需要對所有阿茲海默症研究做總評,而是要對指定機制找出支持或衝突的資料。

官方把證據強度評估列為之後第二步,再往後才是提出實驗與探討治療意涵。這些階段有前後依賴,因為若第一步連數值、條件與來源都抓不準,後面的強弱評估就容易建立在錯誤材料上。

主辦方也提到先前曾有三十八個代理的協作,處理的是另一組假說。那段經驗用來說明找相關文章與抽出細節之間的差距,不能把舊協作結果當成本次新輪次已經產生的成果。

參與者可以是人,也可以使用 AI 工具。官方關心的是公開方法能否產出可檢查的內容,因而沒有把任務縮減成比模型記憶了多少論文,或誰一次生成最多摘要。

對開發者而言,這使挑戰較接近一套研究資料工作流程的驗收。搜尋、擷取、核對與提交都需要銜接,單獨做出看起來漂亮的回答,仍可能無法交出符合格式的實驗紀錄。

任務範圍明確之後,提交內容的細節就成了主要工作。

MecCog Challenge 官方藍色封面,標示臨床前生物學開放科學挑戰
MecCog 官方封面標示這是一項臨床前生物學的開放科學挑戰。 圖片來源:官方原文。
MecCog 挑戰開跑的官方發布影片。 來源:官方原始貼文。

為什麼不能只交 AI 文獻摘要?

摘要很容易省略實驗條件,讓看似支持同一假說的結果其實無法直接比較。

論文摘要通常只挑作者認為最重要的發現,未必列出所有實驗系統、條件與失敗結果。若工具只讀摘要,再把它寫成支持某個機制的結論,就可能忽略正文中限制推論的細節。

例如細胞培養中的結果,未必可以直接套到人體狀態。這是研究評估的基本差異,而非本次已證明哪種實驗錯誤。因此擷取時需要保留系統與測量方式,讓後續讀者能做適當比較。

主辦方列出的評估方向包含實驗發現對假說的直接程度、效應大小、P 值與使用的系統。效應大小描述差異有多大,P 值則與特定統計假設下的資料相容程度有關,兩者不能互相替代。

如果只留下「有顯著效果」這類一句話,讀者既不知道差異幅度,也不知道樣本與條件。工具生成得越流暢,反而越可能讓這些遺漏不容易被注意,因此欄位化的記錄有實際用途。

研究者也需要區分一篇論文引用別人的說法,和自己真的做過的實驗。前者可以當檢索線索,卻不應被重複算成另一份獨立證據,否則文獻很多會被誤讀成證據很強。

這些要求解釋了為什麼查到八千篇相關文獻之類的背景數字,不能直接推出已知道致病機制。大量文章能指出問題有多大,但每項具體主張仍要回到原始實驗與可重查的內容。

要保留這些條件,工具流程必須讓每個欄位都能回查原文。

怎麼建立可回查的擷取流程?

把檢索、逐篇閱讀與欄位檢核分開,能較早發現遺漏的研究和錯置的數值。

可以先把假說拆成可搜尋的生物關係與同義詞,保存搜尋式、搜尋日期及納入理由。這有助於回查為什麼某篇文章出現在清單,也讓別人能提出原本漏掉的重要文獻。

接著逐篇找到原始實驗段落,對照官方提交規格填入對應欄位。若正文和圖表的敘述看起來不同,應保留位置供人檢查,不用模型自行補出缺失的實驗細節。

每個數字最好能連回特定表格、圖或段落。這樣審查者看到效應大小,就能確認它究竟來自哪個條件,而不必重新閱讀整篇文章去猜工具當時選了哪一組結果。

多人或多代理分工時,也需要統一欄位含義。例如同一篇文章的多個實驗可以分開記錄,但不能因為不同代理各讀一遍,就在彙總時重複算成兩份來源,這會讓證據量被放大。

輸出格式驗證器能檢查工作表是否符合結構,卻不能替每個數字作真實性保證。因此格式通過後,仍適合挑重要與容易混淆的紀錄,由另一位讀者回原文核對。

官方要求附上公開方法 README,說明流程與使用的工具。把納入、排除、錯誤處理與人工檢查寫清楚,會讓其他人知道方法在哪裡可靠,也知道哪些地方需要接續改進。

若兩份實驗得出相反方向,也可以先並列保留,記下各自使用的細胞、處理方式與觀察時間。這會讓後續研究者檢查衝突是否來自條件,而不必先把其中一份刪成只有單一故事。

在同一個欄位裡,也要區分作者觀察到的結果與作者對結果的解釋。模型可能很擅長重述解釋,但這次任務需要能回到實驗的紀錄,因此兩者分開會更容易發現推論是否跨過證據。

這種紀錄方式也讓方法更容易改進。當覆核者指出一筆內容錯把背景引用當成新實驗,團隊可以回查抽取步驟,而不只是重新生成一篇更長的摘要。

資料能回查後,仍需要知道評審如何判斷結果是否有用。

沒有標準答案,主辦方如何評估?

主辦方公布評估方向而非單一預定公式,反映這是探索性開放科學任務。

探索性的機制研究,沒有像選擇題一樣完整的標準答案。官方因此公布初步評估考量,包含跨組比較、發現的直接程度與必要人工檢查,而不是預先給一個所有人只要衝高的總分公式。

若提交很多,參與者可能需要各評十份他人的工作。這可以讓不同方法看見彼此的遺漏,也能比較大家找到了哪些相同實驗,但並不代表交叉評分本身就完全不會出錯。

官方提到比較不同組找到的論文與實驗,可以辨認容易取得的結果。對參賽者而言,只列出大家都能搜尋到的文章,可能不足以顯示方法價值,重要的是細節是否正確、是否發現原本難以整理的證據。

也因為沒有固定答案,透明度會影響成果可用性。當研究者願意保留原文位置、處理規則與例外,別人就能針對某一筆提出修正,而不用把整份工作當成只能全盤相信或否定的黑箱。

主辦方希望結果可以走向科學發表,並提及符合資格者參與作者署名的安排,但這仍是計畫與條件。完成提交不等於保證發表,也不代表每位參與者已取得論文作者身分。

至於獎勵、參加資格與內容權利,仍應依官方規則檢查。尤其團隊若使用外部資料與程式,需要確認自己有權把方法與提交材料公開。

因此參與者應把方法透明與錯誤處理視為交付的一部分。

研究團隊現在可以準備什麼?

先挑一個假說完成小規模端到端提交,比同時蒐集最多論文更能檢查方法缺口。

第一個可行目標,是用少量論文跑完整流程。先確認能從指定假說找到文章、正確抽出一項發現、通過格式檢查並留下方法,這比一開始就追求最多論文更容易找出缺口。

過程中可以把錯誤分成搜尋漏失、抽錯條件、數值抄錯與無法回查來源。分類能幫助判斷應該改搜尋策略、閱讀流程或欄位規則,避免每次遇到問題都只換一個更大的模型。

若選擇讓代理分工,可以讓一個工具找文獻、另一個依原文抽資料,再由獨立步驟核對關鍵欄位。但這是可採用的流程設計,不是主辦方已驗證某種代理架構一定最好。

涉及生醫資料時,團隊也應先確定工具能合法處理的範圍。公開論文與受限資料的使用方式不同,不需要為了多找幾篇文章,就把私人帳號資訊或未授權文件送到外部服務。

這次任務不要求參與者替病人做決策,因此可以把成果焦點留在研究證據的可回查性。對一般讀者而言,也應把這類挑戰看成改善研究工具的方法,避免將探索性假說當成個人健康建議。

等到少量樣本能被別人核對,再依時間與人力擴到更多論文,較能保住品質。若關鍵欄位還經常抽錯,縮小範圍先修流程,會比交出大量無法檢驗的摘要更接近挑戰目的。

當流程能留下可核對的結果,後續擴大才有可靠起點。

MecCog 常見問題

MecCog 是 AI 找到治療方法了嗎?

不是。新試辦輪次聚焦找論文與擷取實驗發現,後續證據評估、實驗與治療意涵是分開的階段。

需要自己訓練一個模型才能參加嗎?

官方讓參與者選擇 AI 系統形式,重點是方法與提交內容。是否訓練模型,應由團隊需求與規則決定。

什麼時候截止?

新輪次官方列出的期間為 2026 年 11 月 17 日至 2027 年 1 月 15 日。參與前仍應查看原頁及提交入口的最新時限與資格。

用一筆可核對的實驗紀錄,檢查 AI 文獻流程

準備參與的團隊,可以先選一項假說與少量原始論文,讓另一位研究者依提交內容回查實驗。若對方能迅速找到來源、確認條件與數字,就有了擴大工作的基礎。

這也是新挑戰對 AI 工具較有意義的檢查:讓大量文獻能被有條件地整理與修正。當證據仍有缺口,工具應清楚保留缺口,研究才有機會往可驗證的機制前進。

延伸閱讀:Anthropic 分析二十萬筆科學工作對話,研究者如何使用 Claude?

延伸閱讀:Project ProtoStar 推動開放科學:公開研究還缺什麼,AI 才能真的重用?

資料來源

Read more