●                  ●                   ●

美国国立卫生研究院（NIH），要对科研评价体系来一场“大手术”。

2026年6月18日，NIH科学政策办公室发布了一份信息征询通知，编号NOT-OD-26-087，题为《关于衡量与奖励科学影响力的信息征询》（Request for Information on Measuring and Rewarding Scientific Impact）。

通知开篇即给出了略显尖锐的判断：当前衡量科学成功与否的标准，过度依赖发表论文数量和引用率这类个人层面的产出指标，而这套标准，同NIH自身的核心使命，即产出能够促进健康、延长生命、减少疾病和残疾的知识，已经出现了错位。

NIH希望借助这次公开征询，重新定义究竟什么才是值得被衡量、被承认、被激励的科学产出。公众意见征集将持续到2026年8月19日，回应可以匿名提交［1］。

这份通知并不是突然出现的。它是NIH在《引领黄金标准科学》（NIH Publishes Plan to Drive Gold Standard Science）计划下的最新一步。同时，它也和该机构新近启动的跨部门可重复性倡议密切相关。提升科学严谨性、透明度和可重复性，是今年NIH的重点主题［2］［3］。

《恢复科学的黄金标准》（Restoring Gold Standard Science）是特朗普政府去年提出的一项行政命令。NIH据此提炼出九条相互交织的原则，包括可重复、透明、坦承误差与不确定性、跨学科协作、对自身发现保持怀疑、可证伪、接受同行评审、把阴性结果也视为正面产出，以及不存在利益冲突［4］。

这场评价体系改革，同现任NIH院长杰伊·巴塔查里亚（Jay Bhattacharya）上任以来反复强调的几个优先事项直接相关。据《科学》（Science）报道，巴塔查里亚多次表示，评价一名科学家是否优秀，需要比发表数量和期刊声望更宽的维度，比如带教年轻研究者的成效，是否愿意公开数据以方便他人重复自己的工作，以及想法本身的原创程度。他将2026年工作重点放在扩大可重复性项目上，即资助独立实验室去复现由NIH资助产生的关键研究结论［5］。

这种对可重复性的强调不难理解。生物医学领域的可重复性问题由来已久。2021年，一项发表于eLife的总结研究发现，学术界至少一半以上的癌症生物学实验难以重复。更早的时候，拜耳公司一项内部审查显示，其对数十个潜在新药靶点的重复实验中，成功复现的不到四分之一。正是在这样的背景下，NIH希望通过重新设计激励机制，让研究者不再仅仅为了发表而发表，而是把精力投入到真正经得起重复检验的工作上［6］。

具体来看，这份通知提出的七个方向，本质上都在回答未来什么样的科研贡献应该被认可，又应该如何衡量？

其中，1）严谨性与可重复性，关注如何确定哪些研究最值得优先开展重复验证，以及如何建立支持重复研究的激励机制和基础设施；2）数据、软件和模型共享，关注如何奖励开放共享，让数据和工具能够被更多研究者验证和复用；3）培训与带教，希望找到能够量化人才培养成效的新指标；4）协作，则希望建立比作者排序更合理的团队贡献评价方式；5）创业与转化，关注如何把创新和成果转化纳入科研评价；6）基础性科学探索，希望为高风险、高回报的基础研究建立更加长期的评价机制；7）公共影响力，则试图把健康改善、临床实践、经济增长、公众信任等更广泛的社会效益纳入考量。

NIH特别强调，希望收到的不只是原则性的建议，而是可以落地的评价方案：例如某项贡献应该如何记录、采用哪些可量化指标、实施后可能产生哪些正面效果或意外后果，以及这些指标是否适用于不同职业阶段、不同学科和不同类型的研究机构。

把论文数量和期刊影响因子从科研评价的中心位置移开，并不是NIH一家的孤军奋战，也不是一句口号。国际学界这场讨论可以追溯到2012年的《旧金山科研评估宣言》（DORA），这份由学术界自发起草的宣言直指期刊影响因子被滥用于评价单篇论文乃至单个科学家的问题，呼吁资助机构、出版商、科研机构和研究者本人共同摒弃这种做法［7］。

三年后，一份由文献计量学者联合撰写、发表于《自然》（Nature）的《莱顿宣言》进一步给出了十条操作性原则，其中第一条就是，定量指标应当用于支持而非取代专家的定性判断，评价标准还应当对照被评价者自身的研究使命来设定，而不是套用一把放之四海而皆准的尺子［8］。

这些理念已经在一些机构落地。荷兰乌得勒支大学在2021年宣布，不再将期刊影响因子作为教职招聘和晋升的依据，而是更多关注研究质量、开放科学和团队贡献。2022年，欧洲多国科研资助机构和高校联合成立了科研评价改革联盟（CoARA），希望推动这些原则进入科研资助、人员招聘和职业晋升等实际环节［9］［10］。

到现在，学界已经摸索出一批可以在实际评审中使用的做法。

最直接的一个例子，其实就发生在NIH内部。申请NIH经费时，每位主要研究者都要提交一份个人简历，其中专设一节叫“对科学的贡献”，按官方说明，申请人需要用叙述性文字挑出至多五项自己认为最重要的科学贡献，逐一说明这项工作面对的科学问题、取得的进展及其影响，可以援引的支撑材料除了论文，还包括模型、软件、课程教材等不便发表成论文的产出［11］。

2026年生效的新版申请表格式进一步减少了对论文列表本身的依赖，叙述部分不再允许插入完整的文献引用，逼着申请人把“这项工作为什么重要”讲清楚，而不是简单罗列期刊名和引用数。

类似思路在国际上被做成了更系统的工具，也就是所谓“叙事简历”（narrative CV）。其中影响最大的一版由英国皇家学会开发，名为“研究者简历”（Résumé for Researchers），2020年被英国研究与创新署（UKRI）采纳为标准格式后，演化出“研究与创新简历”（R4RI），要求申请人围绕四个板块讲述自己的贡献，包括新知识和新方法的产出、对他人和团队成长的贡献、对科研共同体的参与，以及对更广泛社会的影响，篇幅通常被限制在两页纸以内［12］。

在“协作”这一维度上，近年来学界尝试的一种做法，是改变过去仅靠作者排序判断贡献的方式。2012年，哈佛大学和惠康信托基金会等机构组织的一次研讨会提出，应建立一种更细致的科研贡献记录方式，随后发展形成“贡献者角色分类”（CRediT）。这套体系将论文背后的工作拆分为14类角色，包括提出研究概念、设计方法、数据分析、软件开发、获取经费、项目监督等，让研究者能够在论文发表时明确标注各自承担的具体贡献，而不再完全依赖第一作者、通讯作者等传统排序［13］。

eLife等期刊随后采用了这一方式。eLife在引入CRediT时曾表示，随着科研合作规模扩大，仅依靠作者排序越来越难准确反映个人贡献，而标准化的贡献声明有助于让不同类型的科研劳动被识别，并为未来更全面的科研评价提供基础［14］。

在严谨性与可重复性上，NIH其实早在2016年就通过一份指导文件（NOT-OD-16-011）要求申请材料必须回应四类具体问题：既往研究本身的严谨程度，比如样本量是否过小、是否缺乏合适的对照；实验设计是否严谨，是否采用了随机化和盲法等能减少偏倚的做法；是否充分考虑了性别、年龄、遗传背景等生物学变量；以及关键实验材料，比如细胞系身份、抗体特异性，是否经过验证［15］。

这四项在评审环节由同行评审专家逐项打分，项目获批后，年度进展报告里也要求汇报为保证结果稳健采取了哪些具体步骤，实施严谨设计过程中遇到了哪些困难，以及数据和代码的公开情况。

今年4月，NIH又专门发文重申这套要求，并公布了一项与之配套的重点研究方向，鼓励研究者申请经费去开发能帮助把实验设计得更规范、把研究细节和元数据记录得更完整的新工具和新方法，同时通过学术会议和培训项目去推广这些做法。帮助研究人员从实验设计阶段就减少偏差，并让研究过程更加透明、可验证［16］。

例如，NIH提出，可以开发利用人工智能的自动化工具，在实验开展前评估研究设计是否采用了必要的严谨性措施。也可以开发新的平台，帮助科研人员共享更加完整的实验方案以及与科研严谨性相关的元数据，让其他研究者能够更准确地理解、验证和重复已有发现。

此外，NIH还鼓励开展系统性的重复性研究，寻找导致不同实验结果产生差异的隐藏因素，例如实验条件、分析方法或样本差异。支持建立统一的数据标准、开放工具平台和评估框架，用于验证生物标志物、提高跨实验室和跨人群研究结果的可靠性。对于人工智能辅助科研，NIH也特别提出，希望发展能够评估AI模型可靠性、偏差和外部验证能力的方法。

NIH支持的各个研究所，都设计了一些规范研究严谨性和可重复性的方法。例如，美国国家癌症研究所（NCI）鼓励申请者开发新的框架和方法，用于更准确地描述和管理癌症研究中的生物样本，完善样本相关元数据记录，评估样本是否适用于特定分析；同时支持利用已有高质量癌症数据集及其关联元数据开展二次分析，以及通过共享详细实验方案和元数据提高研究结果的可复用性。

在探索高风险的基础研究课题方面，NIH去年11月推出的统一资助策略已经把评价逻辑往这个方向推了一步，资助决策不再依赖过去按分数线划拨经费的做法，转而优先支持那些高度创新、由研究者自主提出、同时兼具可重复性和转化潜力的项目［17］。

NIH各研究所也在用“重点研究方向”这个机制去标示出优先支持的基础研究领域，同时仍然保留由研究者自主申报的空间，而不是把经费锁定在指定课题上。

为了证明基础研究这类短期内很难看到论文或产品的投入究竟值不值得，NIH也在尝试建立一套更长期的价值评估体系。据NIH今年5月发布的一篇文章，在2010年至2019年间，美国FDA批准的356款新药中，约87%可以追溯到NIH资助的研究，这些研究累计获得约1870亿美元资助，其中83%投向基础研究；同期获批新药中，10.9%至少有一项专利引用了NIH资助的科研成果，62%的新药临床试验得到过NIH支持，NIH资助的基础研究还孕育了近百位诺贝尔奖获得者［18］。

这些指标仍然难以精确对应到某一位研究者或某一项课题，也无法完全概括基础研究的价值。但它们说明，NIH至少已经在尝试用专利引用、临床转化、长期科学声誉这类替代指标，去衡量基础研究的价值，而不只是去看论文的数量和引用数。

不过，这场改革本身处在一个充满争议的政治环境里。

巴塔查里亚将自己的NIH院长任期视为一次对美国公共卫生和科研体系的重新调整。在国会确认听证会上，他表示，美国人的健康状况正在恶化，NIH应把更多资源投入癌症、心血管疾病、糖尿病、肥胖等慢性疾病研究，同时提高科研结果的可靠性。他还强调，科学需要允许不同观点之间的竞争，将异议视为科学进步的重要组成部分［19］。

巴塔查里亚是一名健康经济学家，曾长期任职于斯坦福大学医学院。在新冠疫情期间，他因共同发起《大巴灵顿宣言》（Great Barrington Declaration）、反对大规模封锁政策而成为全国性争议人物。

自巴塔查里亚2025年初上任以来，NIH大规模削减和终止经费的政策已经引起美国生物医学界的不满。

据今年发表于《美国科学院院刊》（PNAS）的一项研究，在2025年2月至8月间，NIH共终止2291项在研项目，涉及总资助额约50.8亿美元，其中约24.5亿美元尚未发放的经费被撤回。研究进一步发现，这轮经费终止对职业早期研究者和女性研究者影响尤为明显［20］。

争议最集中的部分，是一些项目被取消时所依据的标准。部分NIH终止通知中，曾以相关研究“损害美国人的健康”“投入回报有限”或“未能改善健康、延长生命或减少疾病”等理由说明取消决定。

然而，不少研究者反映，项目被取消并非因为学术原因，而是因为标题或摘要里出现了种族、性别相关的措辞。巴塔查里亚明确将部分他认为由意识形态驱动的研究，排除在黄金标准科学之外。他指出，基于种族或族裔进行“不必要分类”、依赖“定义模糊概念”或“无法证伪理论”的研究，不符合NIH倡导的科学原则［21］。

也就是说，很多项目资助被取消实际上是因为意识形态原因。有媒体报道也提到，NIH内部一份文件一度把多元与包容、跨性别议题、涉华合作列为三类被明确禁止的研究选题［22］。

当同一届NIH领导既在推动所谓黄金科学标准的评价改革，又在用行政手段大范围终止特定选题的经费时，研究者很难简单地把两者剥离开来看待。

对于近期这份征询意见通知，也有学者对于改革的诚意提出质疑。哥伦比亚大学统计学家安德鲁·盖尔曼（Andrew Gelman）在个人博客中发表了一篇带有讽刺意味的回应。他写道，如果NIH真的希望讨论如何衡量和奖励科学影响力以及可重复性，给NIH院长的建议是：先停止压下那些结论不符合自身意识形态偏好的报告［23］。

这类批评指向的是这样一个疑问：如果负责制定科研评价规则的机构，本身就在科学问题上选择性接受证据，那么新的评价体系究竟是在纠正论文数量、引用指标等传统评价方式的局限，还是会把某些政策偏好包装成科学标准？

中国科研界对科研评价过于依赖论文这个问题并不陌生。从2018年科技部等五部门联合开展清理“唯论文、唯职称、唯学历、唯奖项”专项行动，到2020年科技部印发《关于破除科技评价中“唯论文”不良导向的若干措施》，中国也尝试摆脱用论文数量、影响因子等单一指标衡量科研价值的做法，转向代表作评价、分类评价和同行评议［24］。

这场改革遇到的困境是，破除一种“唯”之后，评价体系很容易滑向另一种新的“唯”，比如从唯论文数量变成唯项目、唯基金，指标换了名字，问题未必真正解决。

NIH的这份通知本身也提到了这一风险，它专门提醒回应者，除了列出可能的具体指标，也要说明这些指标可能带来的意外后果，以及在不同职业阶段、不同学科、不同类型机构之间是否具备可行性[1]。

这或许才是这场改革真正的难点所在。科研评价看似是在讨论如何更准确地衡量科学贡献，实际上决定的是哪些研究能够获得资金、哪些方向会被优先支持。因此，问题并不只是NIH能否找到比论文数量更好的指标，而是谁来定义有价值的科学，以及这种定义会如何塑造未来科学研究的方向。