问“某种药为什么可能治某种病”，搜到十篇论文并不等于得到答案：它们可能研究不同对象，结论彼此冲突，中间还隔着药物靶点、通路和疾病等多层关系。科学搜索真正难的，正从“资料在哪”变成“证据怎样连起来、哪些更可信”。
据 Nature Machine Intelligence 论文摘要，Zifeng Wang 等人在 2026 年 7 月发表的 DeepEvidence，联合检索文献及基因、通路、药物、疾病和临床试验等知识图谱——也就是把对象作为节点、用关系连接起来的结构化知识。系统由协调器安排两类搜索：先横向扫描多个知识图谱，再沿关键关系纵向做多跳追查，并在过程中建立内部“证据图”，记录实体、关系及其支撑材料，让结论的来路可以回查。
这项工作的意义不只是让搜索更广，而是把“给答案”推进到“展示答案依据”。论文覆盖药物发现、临床前实验、临床试验设计和循证医学四个阶段，并公开测试数据集与代码；不过现有材料未披露具体效果数字，因此还不能据此判断它比其他系统强多少。