Rayyan
免费
Rayyan 是 AI 辅助的系统评价（Systematic Review）与文献综述平台，帮助研究人员快速筛选和管理大量学术文献。它利用 AI 技术自动识别文献的相关性、提取关键信息，并支持团队协作。Rayyan 广泛应用于医学、公共卫生和社科领域的系统评价研究中。
Rayyan
Rayyan 的核心参数与统计
Rayyan 是一个 AI 驱动的系统评价（Systematic Review）与文献综述管理平台，面向医学、公共卫生及社会科学领域的研究者。其产品类型归属于生产力/业务端应用（Type D），核心交付形态是 SaaS 化的工作流管理平台，而非 API 或基础模型基础设施。
| 项目 | 公开信息 |
|---|---|
| 产品定位 | AI 辅助的系统评价与文献筛选平台 |
| 核心能力 | AI 相关性排序、团队协作筛选、盲审流程管理、文献去重与导入/导出 |
| 支持平台 | Web（浏览器访问，无桌面端/移动端独立应用） |
| 归属地 | QA（卡塔尔） |
| 商业模式 | Freemium 免费增值 + 个人付费订阅 + 机构订阅 |
| 主要用户群体 | 系统评价研究者Cochrane 协作组成员WHO 指南制定团队、学术图书馆员、研究生 |
| 核心竞争对手 | Covidence、Abstractr（CADIMA）、EPPI-Reviewer、DistillerSR |
| 最新版本 | current（~2025-06 发布） |
一句话简评：Rayyan 不是通用文献管理工具（如 Zotero 或 EndNote），而是"系统评价的专用生产线"——从数千篇论文中快速筛选出真正相关的研究，并将整个评审流程标准化、可视化、可追溯。
Rayyan 的用户与市场认可
循证医学领域的准标准工具：Rayyan 在系统评价（Systematic Review）赛道中拥有极高的知名度，尤其在 Cochrane 系统评价WHO 指南制定JBI 循证护理等顶级循证医学项目中得到广泛应用。它常被列为系统评价方法学课程的标准教学工具。
与 Covidence 形成双寡头格局：在系统评价工具赛道，Rayyan 与 Covidence 构成最常被对比的两大平台。Covidence 被 Cochrane 官方收购后成为 Cochrane 推荐工具，Rayyan 则凭借免费增值模式和更灵活的 AI 筛选能力在全球中低预算研究团队中占据大量份额。截至公开数据，Rayyan 已被超过 250,000 名研究者注册使用（以官方披露为准），涵盖 180+ 个国家/地区的学术机构。
第三方研究验证：多项已发表的系统评价方法学研究对比了 Rayyan 与人工筛选的效率和准确性。结论基本一致——Rayyan 的 AI 排序可将初筛阶段所需人工阅读量减少 40-60%，且假阴性率（漏掉相关文献）控制在可接受范围（约 1-5%，取决于研究主题与 AI 模型的匹配度）。但这些数据来自特定研究场景，不能直接推广到所有学科和语种。
学术出版生态嵌入：Rayyan 已与 PubMed、Web of Science、Scopus、EndNote、Zotero 等主流学术数据库和文献管理工具建立导入/导出集成，降低了接入门槛。部分学术期刊和基金评审机构已开始在内部审稿流程中使用 Rayyan 进行文献筛选管理。
Rayyan 的成本优势
三层成本结构拆解：
- C端/个人（学生与独立研究者）：Rayyan 提供免费版，支持有限数量的活跃项目（通常 2-3 个），适合单个课题或学位论文使用。付费个人版约 $10-20/月，解锁无限项目数、高级AI功能、优先支持等。相比 Covidence（纯付费，个人约 $30-50/月），Rayyan 的免费版对于预算有限的低年级研究生和低资源国家研究者有明显成本优势。
- API/开发者：Rayyan 未公开独立的 API 定价。其核心能力封装在 SaaS 产品中，不提供 API 优先的接入模式。对于需要将文献筛选流程嵌入自有系统的机构，需通过企业商务渠道沟通定制方案。
- 企业/机构订阅：按席位或机构规模定价，需联系销售获取报价。机构版通常包括不限项目数、管理员控制台SAML/SSO 单点登录、使用统计面板以及优先技术支持。
< 价格竞品对照 >
| 平台 | 免费版额度 | 个人付费 | 机构定价 | AI 筛选 |
|---|---|---|---|---|
| Rayyan | 2-3 个项目 | ~$10-20/月 | 联系销售 | 支持 |
| Covidence | 无免费版 | ~$30-50/月 | 按机构规模 | 有限支持 |
| Abstractr (CADIMA) | 完全免费 | — | — | 基础支持 |
| EPPI-Reviewer | 有限演示 | — | £200+/年/席位 | 支持 |
| DistillerSR | 无免费版 | ~$50-100/月 | 按席位 | 自动化工作流 |
免费的真相：Rayyan 免费版的"2-3 个项目"限制是关键门槛。系统评价项目通常周期较长（6-18 个月），一个项目从初筛到最终纳入可能经历多轮筛选。对于同时开展 2 个以上系统评价的研究团队，免费版几乎必然不足，升级付费或申请机构订阅是刚需。此外，免费版可能限制高级 AI 功能（如自动化排除推理）和导出格式。
合规与风险：
- 数据主权：文献数据存储在 Rayyan 云端服务器。对于涉及患者级数据或受 HIPAA/GDPR 严格监管的系统评价项目（如包含去匿名化个体数据的临床试验），需提前与 Rayyan 确认数据存储地理位置、数据处理协议（DPA）以及是否支持数据导出删除。
- AI 筛选的不可解释风险：Rayyan 的 AI 给出相关性评分和排序，但不提供透明的纳入/排除理由链。在需要详细记录排除理由的系统评价中（如 Cochrane 要求对每篇排除文献说明原因），AI 的"黑箱"判断不能直接替代评审员的明确决策记录。
隐性收益：Rayyan 最核心的价值不是"AI 筛选"本身，而是将系统评价流程标准化、可视化、可审计化——团队负责人可以实时查看每个评审员的筛选进度、分歧分布、一致性统计（Kappa 值），这在传统手工流程（Excel + PDF 标注）中几乎无法实现。
Rayyan 的主要功能
- AI 相关性排序与自动筛选：基于标题和摘要，AI 模型自动为每篇文献生成相关性评分（0-100），并按分数降序排列。评审员可设置纳入/排除阈值，系统自动标记低于阈值的高概率无关文献。适用任务：初筛阶段从 5,000-50,000 篇候选文献中快速聚焦潜在相关研究。
- 双盲/单盲评审流程：支持独立评审员各自提交筛选决策而不互相可见，直到预定的"揭盲"节点由管理员统一公开。适用任务：减少筛选偏差，满足 Cochrane 等顶级循证医学机构对盲审的方法学要求。
- 团队协作与分歧管理：多位评审员并行筛选，系统自动计算和可视化评审员间的一致性（Cohen's Kappa），标记分歧文献供团队讨论解决。适用任务：多人协作的系统评价项目，尤其需要量化评审员间信度的场景。
- 文献去重与导入/导出：自动检测和合并从多个数据库（PubMed、Scopus、Web of Science、Embase 等）导入的重复文献，支持导出为 RIS、CSV、BibTeX 等格式，兼容 EndNote、Zotero、Mendeley。适用任务：多数据库检索后的文献合并去重，以及筛选结果的汇出归档。
- PICO / PICo 结构化标注：针对临床研究的系统评价，支持对纳入文献标注 PICO（Population, Intervention, Comparison, Outcome）信息，便于后续数据提取和证据综合。适用任务：临床干预类系统评价的数据整理阶段。
【专家视点】：Rayyan 的功能链形成了独特的"筛选闭有"——从文献导入（多源去重）→ AI 排序（相关性优先）→ 盲审（独立决策）→ 分歧裁决（一致性统计）→ 结构化标注（PICO 提取），覆盖了 PRISMA 流程图从"检索"到"纳入"的全流程。这一协同链条的深层价值在于：每一个有节的输出自动成为下一有节的输入，评审员不需要在不同软件之间反复切换和手动搬运数据。而大多数团队在没有 Rayyan 的流程中，需要在 PubMed/EndNote/Excel/Word 之间来回倒腾，大量时间浪费在数据迁移和格式转换上。
Rayyan 的模型与版本演进
Rayyan 的产品发布节奏以 SaaS 持续交付为主，无传统的语义化版本号体系。以下按公开里程碑梳理其主要演进脉络：
核心发布阶段
- ~2023-09（launch / 初始上线）：Rayyan 以独立的系统评价管理平台形式上线，核心提供文献导入、团队协作筛选和盲审功能。初期的 AI 筛选能力较为基础，主要依赖规则（关键词匹配 + 简单分类器）。
- ~2024-H1（AI 增强发布）：引入基于 Transformer 架构的深度学习相关性排序模型，替代早期规则引擎，AI 筛选的准确率和召回率显著提升。同期上线 PICO 结构化标注功能。
- ~2025-06（current 版本）：AI 模型持续迭代，引入更细粒度的相关性评分（0-100 连续值而非早期的高/中/低三档），并新增自动化排除推理功能（AI 为"排除"决策给出简要理由）。界面全面重构，提升大规模项目（10,000+ 文献）的加载和交互性能。
- ~2026 展望：据官方公开路线图，计划引入基于大语言模型（LLM）的全文提取能力，支持从 PDF 中自动提取干预措施、样本量、结局指标等结构化数据，以减少人工数据提取的工作量。
版本演进说明
Rayyan 作为 SaaS 平台，其 AI 模型在服务端持续更新，用户无需手动升级。上述时间节点为公开可查的里程碑事件，具体版本号以官方实际标注为准。
Rayyan 的技术优势
AI 相关性排序的机制拆解：Rayyan 的核心技术壁垒不在于"使用了什么模型架构"，而在于领域特定的训练数据与持续优化闭有。其 AI 模型针对学术文献的标题和摘要进行微调，学习"什么样的文献在系统评价语境下被视为相关"。这一机制与传统通用 NLP 分类器的核心差异在于：
- 机制：使用已完成的系统评价项目中的纳入/排除决策作为训练信号，形成"专家评审员的集体智慧"嵌入模型权重。
- 效果：相比零样本通用分类器（如直接用 ChatGPT 判断文献相关性），Rayyan 的领域微调模型在医学和公共卫生领域的排序准确率高出 10-20 个百分点（以已发表的方法学对比研究为依据）。
- 适用场景：当研究主题与训练数据覆盖的学科领域一致时（如临床干预、诊断准确性、流行病学），AI 排序效果最佳；当涉及高度跨学科、新兴领域或非英语语种文献时，效果可能显著下降。
工作流自动化的工程优势：Rayyan 的真正技术优势不在 AI 模型本身，而在于将 AI 排序无缝嵌入系统评价的标准化工作流。评审员不需要理解任何 AI 概念，只需按常规筛选流程操作，AI 在后台持续优化排序。这种"AI in the background"的设计哲学大幅降低了技术采纳门槛。
架构链路示意：
研究者浏览器 → Rayyan SaaS 服务端 → AI 相关性模型 (Transformer)
↕ ↕
PubMed/Scopus 团队协作数据库 (云端)
导入接口 分歧记录 / 一致性统计与主流替代方案的实测对比（基于已发表方法学研究的综合结论）：
| 对比维度 | Rayyan | Covidence | Abstractr (CADIMA) |
|---|---|---|---|
| AI 排序准确率（初筛阶段） | 较高，减少 40-60% 人工阅读量 | 有限，侧重流程管理而非 AI | 基础，无深度学习模型 |
| 盲审流程支持 | 完备（双盲/单盲+揭盲控制） | 完备 | 基础 |
| 大规模项目（>10,000 篇）性能 | 良好（界面针对大量文献优化） | 一般（文献列表加载可能变慢） | 良好（轻量级） |
| 免费额度 | 2-3 个项目 | 无免费版 | 完全免费 |
| API/可扩展性 | 未公开 API | 有限 REST API | 无 |
| 学科覆盖广度 | 医学/公共卫生为主，社科次之 | 医学为主 | 医学/社科 |
| 是否有桌面客户端 | 纯 Web | 纯 Web | 纯 Web |
Rayyan 的使用方法
Rayyan 的使用入口和典型操作路径如下：
入口信息：
- 主平台：访问
rayyan.ai即可注册和使用，纯 Web 端，无需安装任何软件。 - 浏览器兼容性：推荐 Chrome/Edge/Firefox 最新版，Safari 可能存在部分功能兼容性问题。
- 移动端：Rayyan 未提供原生移动端应用，但响应式 Web 设计支持手机浏览器基本操作（查看筛选进度、处理争议等）。
典型使用步骤（5 步完成系统评价初筛）：
- 注册与创建项目：访问 rayyan.ai → 注册免费账户 → 创建新项目（填写研究标题PICO 等基本信息）。
- 导入文献：从 PubMed、Scopus、Web of Science 等数据库导出检索结果（RIS/CSV/PubMed 格式），上传至 Rayyan。系统自动执行去重（检测跨数据库的重复文献并标记）。
- 邀请评审员：通过邮件邀请团队成员加入项目，设置各自角色（管理员/评审员/观察者）。可选择盲审模式（双盲/单盲/开放）。
- AI 自动排序：导入完成后，Rayyan 的 AI 模型自动为所有文献生成相关性评分（0-100）。评审员按排序顺序从高分到低分依次筛选，标记为"纳入""排除"或"不确定"。
- 分歧处理与导出：当所有评审员完成筛选后，管理员揭盲查看分歧，组织团队讨论达成一致。最终筛选结果可导出为 RIS/CSV/BibTeX，导入 EndNote 或 Zotero 进行后续全文管理和数据提取。
工程踩坑提示：
- 导入前的去重策略：如果从多数据库导入，建议在导入 Rayyan 之前先在 EndNote 或 Zotero 中做一轮去重，以防 Rayyan 的去重算法对同一文献的细微差异（如 MEDLINE 与 PubMed 的字段差异）识别不够准确。
- AI 排序的学科适应性验证：首次在非医学领域（如计算机科学、工程学）使用 Rayyan 时，建议先用 a small pilot batch（50-100 篇）对比 AI 排序与人工筛选结果，评估假阴性率后再决定是否全量依赖 AI 排序。
- 项目归档规划：免费版有项目数限制，建议在项目结束后及时导出并归档数据，然后删除或关闭项目以释放配额。
Rayyan 的产品定价
| 定价层级 | 适用人群 | 主要权益 | 价格范围 |
|---|---|---|---|
| 免费版 (Free) | 学生、独立研究者 | 2-3 活跃项目、基础 AI 筛选、基本导出功能 | $0 |
| 个人专业版 (Pro) | 活跃研究者、系统评价从业者 | 无限项目、高级 AI 功能（自动化排除推理）、优先支持 | ~$10-20/月 |
| 机构版 (Institutional) | 大学图书馆、研究机构、药企 | 不限用户数/项目数SAML/SSO、管理控制台、使用统计、专属技术支持 | 联系销售团队报价 |
| 企业定制版 | 大型 CRO 组织、政府卫生机构 | 在机构版基础上增加私有化部署选项SLA 保障、定制集成 | 商务协商 |
定价关键说明：
- 以上价格信息以官方实时定价页面为准，Rayyan 可能随时调整价格体系和功能分区。
- 机构版通常按机构规模（学生/研究者人数）或项目数量进行阶梯定价，而非简单的人均单价。
- 教育机构（大学、医学院）通常能获得机构版折扣，建议通过机构图书馆或研究办公室统一采购。
- Rayyan 不提供自助式付费升级通道，机构订阅需联系销售团队完成商务流程。
Rayyan 的应用场景
- 循证医学系统评价（Cochrane / JBI / GRADE）：Rayyan 最核心的应用场景。研究团队从多个数据库检索出 5,000-20,000 篇候选文献，使用 Rayyan 完成去重→AI 排序→双盲筛选→分歧裁决→PICO 标注的全流程。推演收益：传统人工筛选 10,000 篇文献约需 2-3 个月（2 人全职），Rayyan 辅助可将初筛阶段压缩到 2-3 周（筛选时间长度的硬缩短）+ 分歧率降低 15-30%（一致性统计的软收益）。
- 学位论文/毕业课题文献综述：研究生在开题或撰写学位论文文献综述章节时，Rayyan 帮助在数百至数千篇文献中系统地筛选相关研究。推演收益：从手动翻阅 PDF 的混乱状态转变为结构化筛选流程，综述的文献检索方法学部分可直接引用 PRISMA 流程图，提升论文质量。
- 研究课题立项前的文献调研：研究人员在确定新课题前，需要快速了解某领域的文献密度、主要研究方向和研究空白。Rayyan 的 AI 排序和标签功能可快速产出"相关文献地图"，辅助课题可行性评估。推演收益：立项调研时间从 2-4 周缩短到 3-5 天。
- 学术政策制定与指南更新：WHO、NICE、SIGN 等卫生技术评估（HTA）机构在更新临床指南时，需要系统评价最新的证据体。Rayyan 的团队协作和分歧管理功能适用于多轮迭代的指南更新。推演收益：多轮筛选的管理成本显著降低，全流程可审计、可复现，满足 HTA 的方法学透明度要求。
- 企业竞争情报与专利文献筛选：药企和医疗器械公司在做竞品管线调研或专利态势分析时，面对大量非结构化文献，Rayyan 的筛选工作流可以直接复用。特别提示：此场景需注意 Rayyan 的数据存储位置是否符合企业内部数据安全政策。
Rayyan 的适用人群
- 医学与公共卫生系统评价研究者：Rayyan 的核心用户群体。这些人每天都在和大量文献打交道，Rayyan 的 AI 排序和流程标准化直接切中"筛不完"的痛点。适配价值：将系统评价从"体力活"转变为"管理活"。
- 研究生（硕士/博士）：正在撰写学位论文综述的学生。Rayyan 的免费版和低学习曲线使其成为学术入门阶段的理想工具。适配价值：帮助建立规范的文献筛选方法论，PRISMA 流程图可直接写入论文方法学章节。
- 学术图书馆员与学科馆员：负责为院系提供文献检索和系统评价方法学支持的图书馆专业人员。适配价值：Rayyan 可作为图书馆提供的"系统评价工具包"中的标准化推荐工具，降低研究者的学习成本和工具碎片化。
- 卫生技术评估（HTA）机构与指南制定组织：需要在严格方法学框架下完成证据综合的专业团队。适配价值：盲审、一致性统计和全流程可追溯满足 HTA 的审计和透明度要求。
- CRO（合同研究组织）与医学写作团队：为药企提供系统评价外包服务的商业团队。适配价值：机构版的团队管理和统计面板适合大规模、多项目的并行管理。
不适配边界：
- 不适合通用文献管理与日常阅读：Rayyan 不提供全文存储PDF 标注、引用格式生成等常见文献管理功能，这些任务仍需要 Zotero/EndNote/Mendeley。
- 不适合非系统评价导向的简单文献检索：如果只是找几篇相关论文看看，Google Scholar 或 PubMed 比 Rayyan 快得多。
- 不适合对 AI 筛选透明度有强制要求的场景：如果资助方或期刊要求对"每篇文献的纳入/排除理由"逐条详细记录，Rayyan 的 AI 排名输出不能直接替代人工决策记录。
- 不适合涉及高度敏感数据的项目：Rayyan 的云存储模式可能无法满足某些机构的内部数据不出境要求，需提前评估。
总结与展望
Rayyan 是 AI 在循证医学领域落地最成功的案例之一——它没有追逐"通用 AI 助手"的潮流，而是精准地钉在了系统评价中"文献太多筛不完"这一狭窄但尖锐的痛点上。其核心竞争力不在于 AI 模型本身的先进性，而在于将 AI 能力无缝嵌入一个成熟且标准化的学术工作流，使研究者无需改变习惯即可享受技术红利。
当前限制与不确定项：
- AI 筛选效果在非英语语种（中文、西班牙语、阿拉伯语等）文献中的表现缺乏系统性的公开评估数据，这对于在非英语国家开展系统评价的研究者是一个需要自行验证的风险点。
- 免费版的项目数限制（2-3 个）对同时进行多个系统评价的研究团队构成实质瓶颈，而从免费版到机构版的定价鸿沟可能使中等规模团队处于"付费太贵、免费不够用"的尴尬区间。
- 持续交付模式下的版本透明度不足：用户无法获知 AI 模型何时更新、更新了什么，这对于需要方法学复现的研究可能带来不确定性。
采购/采用风险评估：
- 试点建议：先在 1 个中等规模的项目（2,000-5,000 篇文献）中试用 Rayyan 免费版，重点评估 AI 排序假阴性率和团队适应成本，通过后再扩展。
- 扩展条件：当团队同时开展 3 个以上系统评价项目，或项目文献量经常超过 10,000 篇时，是升级到付费版的可靠信号。
- 企业采购前需核验的关键条款：数据存储地理位置（是否支持 GDPR/HIPAA 合规）、项目数据导出格式是否完整、机构版是否支持自定义用户角色和权限粒度、合同终止后的数据迁移方案。
限制与不适配场景
该工具在以下场景中存在使用限制：
场景适配边界 需要高度行业专业知识的任务、对输出格式有严格规范的场景、需要零错误的自动化流程可能效果不达预期。AI 输出应作为初稿或辅助参考，最终结果需人工核验。
技术限制 上下文长度有限、复杂推理准确性可能不足、免费版有使用额度。建议在正式采用前通过试用验证核心场景的可用性。
版本信息
- current ：当前版本。
- launch ：产品上线。
用户评价