做研究的人都有这种体验：一次问答里明明对出了很有价值的结论——几个参数、一组对比、一段判断——可聊完就散在对话流里，回头要用，得往上翻半天再自己誊。MuchSci 应用集里的临床研究与精准医疗词条，定位是融合 DeepMCP 等医学数据工具，支撑队列分析、随访管理与精准医学研究；而它在真实对话里表现出的长处，是把一次专业问答沉淀成结构化对照表，再落成一份可下载的成果文件。
有意思的是，这次对话谈的不是医学，而是材料学里的晶体结构比对——BaTiO₃ 与 SrTiO₃ 的结构相似度与晶格失配。这反而把能力看得更清楚：它擅长的不是某个领域的结论本身，而是「研究数据比对、参数逐项核对、结论附计算依据」这条通用链条。
01 口头结论和可交付成果，差在哪一步
先对照着看。
▲ 图 1｜同样一次比对，一边停在对话里，一边落成可复核的文件
差别不在答得好不好，在留没留下来。 口头式的问答里，结论、依据、数据混在一起，事后想核对某个数从哪来的，只能重问一遍。沉淀式的产出把这三样分开：结论在表里，算式在结论旁边，原始数据落成文件。对写报告的人来说，第三样最省时间——数据已经是结构化的，接进表格软件就能用。
02 一次晶体结构比对，从头到尾怎么走
把这次对话的过程拆开，大致是下面几步。
▲ 图 2｜五步里每一步的产出都可展开：参数从哪来、算式长什么样
问题本身很具体：两种钙钛矿氧化物结构像不像，外延生长时晶格失配多大。它没有直接给一句「很相似」就收尾，而是先确认两者同构，再把比对拆成母相结构、堆垛方式、容忍因子几个参数逐项算，结论标注为「同构异质（isomorphous heteroepitaxy）」，失配数据落成一份可下载的 CSV 文件。
值得留意的是这里的顺序：先确认可比性，再进入比对。如果两种结构连同构都算不上，后面算出来的失配量没有物理意义。这个顺序在人做研究时也成立，只是容易因为急着要结果被跳过；把它固定在流程里，恰好挡住了「算得很认真、前提却错了」这类问题。
界面里能看到交付的样子：
▲ 图 3｜对照表逐项列在对话里，bto_sto_mismatch.csv 可预览、可保存
03 对照表里，每一行都带着数值和依据
把那张对照表单独拿出来看。
▲ 图 4｜结构相同的两项原样列出，有差异的容忍因子给出具体数值
这张表的骨架是「相同项照抄、差异项给数」。 母相结构都是 Pm-3m、5 原子/单胞，堆垛方式同为 AO 岩盐层加 TiO₂ ReO₃ 层——这些相同项逐行写明，说明「同构」不是一句空话；容忍因子 t=(r_A+r_O)/(√2(r_B+r_O)) 算出 0.992 与 0.936，数值接近但不相等，失配的方向和量级就有了着落。每行结论都能顺着算式回到原始参数，这正是「结论附计算依据」的意思。
为什么这件事值得单独说？ 因为研究里最常见的返工，不是因为算错了，而是因为「依据记不清了」。半年后有人问这个 0.936 是怎么来的，如果手上只有一句结论，就得把整条推导再做一遍；如果有一张带算式的表，核对成本几乎为零。表格的意义不只是好看，是把推导过程变成了可以反复调用的资产。这也解释了为什么「把对话沉淀成文件」比「把对话答完整」更难做，也更值得做——它决定了这次比对的成果，是一次性的，还是能留下来的。
04 同一条链，换到医学研究里照样走
回到 MuchSci 里这个词条的本职定位。
▲ 图 5｜材料比对、队列对照、随访整理，走的是同一条能力链
医学研究里的很多工作，本质上和晶体比对是同一类事：分组对照是把两组的基线特征逐项摆在一起；指标比对是治疗前后的数值逐项核对；随访数据整理是把散落的记录变成结构化的表。这些活儿共同的要求也是三条——数据逐项核对、差异明确列出、结论给得出依据。至于比对的对象是晶格参数还是随访指标，反倒是链条末端才需要区分的事。
队列分析的难点从来不在算，而在条目对齐。 同一个指标在两次随访里可能记录口径不同，同一个患者在不同表里可能编码不一致，这类问题不处理干净，后面无论用什么方法算都不可靠。所以这一步的价值在于「先把两边的口径摊开、逐项确认一致」，这也正是它在晶体比对里做的事——母相结构、堆垛方式逐项确认，确认完才谈失配。这套做法挪到临床研究里，就是队列数据的清洗与对齐；挪到精准医学里，就是分组特征的前置核对。同一套动作，换了数据对象而已。
05 边界
照例把边界摆在明面上。
① 本篇讲的是功能位置与产出形态，不构成任何医学结论或效果承诺。 文中的例子是材料学比对，与临床实践无关。
② 不作诊断依据。 它输出的是研究辅助性的整理与比对结果，不用于对个体的诊断或治疗建议；涉及患者数据时必须先行脱敏，并遵循所在机构的伦理审查与数据管理规定。
③ 输出需人工复核。 对照表里的参数、算式与数值，采纳前应回到原始文献或数据源核对；专业判断不能外包。