目的評價采用深度學習算法卷積神經網絡（CNN）智能識別中文醫學文獻中隨機對照試驗（RCT）的效果。方法計算機檢索 CNKI 數據庫，限定年限為 2014 年全年、主題為“口腔”的醫學文獻并導出包含標題、摘要信息的題錄，采用雙人獨立標注后核對、討論的方式進行 RCT 人工篩選，并將最終結果用于 CNN 算法模型訓練。完成該算法模型訓練后，組織前瞻性對照試驗，檢索 2018 年 1 月至 3 月 CNKI 上發表的所有口腔醫學文獻，以雙人核對后最終結果作為金標準，將 CNN 算法結果與單人初次標注的結果（人工水平）進行對比，計算兩組的靈敏度（SEN）與特異度（SPE）。并調整算法的劃分閾值，通過繪制受試者操作特征（ROC）曲線確定最佳閾值。結果納入 1 246 條 RCT 和 4 754 條非 RCT 用于 CNN 訓練與測試。最終對照試驗納入 RCT 249 條、非 RCT 949 條，得到人工篩選的 SEN=98.01%，SPE=98.82%。該算法模型對 RCT 篩選的 SEN 隨閾值升高而減小，SPE 隨閾值升高而增大，進行 27 次閾值變動后，所得 ROC 曲線下面積為 0.9977。得到該算法模型的最佳準確度閾值（閾值=0.4，SEN=98.39%，SPE=98.84%）與高 SEN 閾值（閾值=0.06，SEN=99.60%，SPE=94.10%）。結論經本研究建立的中文 RCT 數據庫訓練后，CNN 算法對中文 RCT 的篩選效果較為出色，前瞻性對照試驗證明其具有足以替代人工水平的 RCT 篩選效果。