两张海报挂在同一块板上，相距两米，同一个斯德哥尔摩会议厅。涵盖相似的科学——不同 cohort、相似 question、可比的严谨度。一张在整个 viewing hour 持续吸引一群代表与作者交流。另一张只有一个去咖啡间路上的人瞥了一眼。区分它们的不是科学，是视觉设计 。
这是每位 EHA 接收作者在准备的第 3 周面对的实际问题：不是放什么 在海报上（abstract 已经决定了），而是怎么排 才能在两千多张海报的大厅里赢得注意。本文走完区分"被读"与"被路过"的 3 秒测试、让 hero 图成立的视觉层级原则、从真实血液学海报模式总结的 5 对正反例、以及把一张普通图变成赢家图的 1 小时 AI 工作流。
EHA 海报对比——左侧杂乱文本密集，右侧简洁 Hero 图布局（说明性 AI 示意图 · 图片由 SciFig 生成） 透明度声明：本文插图与海报示意图由 SciFig AI 生成，由作者审核。它们是示意性对比，不是 EHA 真实投稿海报。文中医学论断均链接至同行评审来源和 EHA 官方资料。
1. EHA 2026 上的"赢"长什么样：档位分配与奖项标准
EHA 的"赢"有具体定义。Scientific Programme Committee 把接收摘要分到 4 档（
官方档位 ）：
Oral Presentation （最高分，约 5% 投稿）、
Poster Tour （次档，8-12 名代表导览）、
Poster View （人数最多，独立展示）、
Publication Only （HemaSphere 增刊无现场）。这些档位之上是
Young EHA Best Abstract Award ——表彰来自临床医生、PhD 学生、博士后、培训生的最高排名摘要，奖品包括下届 Congress 免费注册 + €500 honorarium（
Travel Grants and Awards 页 ）。
那么一张"赢家"海报是这样的：(a) 持续吸引在大厅里走动的代表，(b) 通过决定是否停下来的 90 秒一掠，(c) 在 3 米外接近时就能传达单一清晰的科学发现。科学已由 SPC 在接收前同行评议；海报做的是把这份预验证过的科学转换成大厅里的读者参与。
本文按经验论方式处理"赢"——什么视觉属性产生参与度，不管你落在哪一档。逐档解读 EHA 海报格式要求，从
EHA 2026 海报投稿完整指南 开始。
2. 视觉层级的 3 秒测试：评议者怎么决定读不读
3 秒测试是任何会议海报现场的运行约束。一位代表走过你的海报板。他们瞥一眼大约 3 秒——足够看到标题、一张大图、最多一个粗体结果。在这 3 秒里他们决定是否停下来读更多，还是继续走。海报上的其它一切，只在他们通过这一关时才有意义。
含义是你的视觉层级需要 粗暴地显式 。标题——位于顶部，3 米外可读——用白话陈述研究问题或关键发现。一张 hero 图主宰海报中央，大到可以一瞥而懂。一句粗体发现陈述（标题风格的句子，不是结果表）紧挨 hero 图。其它一切——methods、辅助图、结论、参考文献——都在更小的次要位置。
眼动热图：标题与 Hero 图为热区，密集 methods 文本为冷区——F-pattern 阅读（图片由 SciFig 生成） 网页可用性研究中描述的经典"F-pattern"阅读行为也适用于海报：读者横向扫描顶部，然后向左下方走。一张赢家 EHA 海报尊重这一点——标题横跨顶部，hero 图锚定左上或上中，关键发现位于 F-pattern 首次下降到达的地方。
3. 信息密度：少即是多
海报通过不了 3 秒测试，最常见的原因是信息密度。一张含 800 词 methods 文本、10pt 字体的海报，3 米外不可读、90 秒内不可吸收。一张含 200 词加上一个强视觉 schema 的海报既可读 又 更快被吸收——评议者恰恰奖励这种权衡。
纪律是对每一段文本问："这段能不能换成一个标注图、一句话、或者干脆删掉？"读起来像论文一章的 methods 段在海报上应该变成一个横向 schematic：5 步、5 个 box、5 条箭头。用 3 段解释一张图的 results 段应该是图加上一句解读。5 条 bullet 的结论应该是一句发现陈述。
信息密度：左侧 500 词文本墙，右侧同内容浓缩为 schematic 图 + 3 条 bullet（图片由 SciFig 生成） 这个原则的参考标准是 Mike Morrison 的 #betterposter 运动（2019），提议把单一标题发现放在海报中央，辅助细节放在窄边栏。采用这种风格的 EHA 海报在任何大厅都很显眼——尽管纯粹的 betterposter 格式在血液学领域仍少见，但底层原则（一个发现主导、辅助细节从属）就是产生赢家海报的东西。
4. 单一 Hero 图的力量：锚定你的 EHA 海报
每张赢家 EHA 海报都有一张 hero 图组织其它一切。Hero 图是最大的视觉元素，典型占海报版面 30-50%，是代表 3 米外什么都没读就先看到的东西。Hero 周围，更小的辅助视觉（intro 上下文、methods schema、结果图）填进叙事。
Hero 图也是你的科学故事压缩成一张图的地方。介入性试验：含关键中间结果叠加的 trial schema。转化机制研究：标注你介入点的疾病机制图。单细胞或 omics 研究：标注你发现的 UMAP 或 heatmap。CAR-T 研究：含你具体构造分子细节的免疫突触图。
Hero 图锚定布局：大型中央 Hero（60% 版面）周围 intro、methods、results、conclusion 模块（图片由 SciFig 生成） 选对 hero 图是你做的最有影响的设计决策。选错 hero 图让海报其它部分要更努力补偿。选对 hero 图让海报其它部分几乎不言自明。血液学特定的 hero 图类型（CAR-T 机制、造血树、BCMA 骨髓瘤 synapse），
如何为 EHA 2026 海报绘制 CAR-T 机制图 和
给 EHA 2026 研究者的造血分化树指南 走完每种的惯例。
5. Bad vs Winning：5 对来自真实血液学模式的正反例
5 类设计失败在每场 EHA poster session 反复出现，每类都有已知修复。每对下面展示 bad 版（左）和 winning 版（右）。
第 1 对——数据图过载 vs 单一 KM 加 forest plot
数据图布局——左侧 8 张小图杂乱，右侧 1 张 KM + 1 张 forest plot（说明性 AI 示意图 · 图片由 SciFig 生成） Bad ：8 张小图塞在网格里，因为"manuscript 里都有"。Winning ：1 张大 Kaplan-Meier 曲线加 1 张大亚组 forest plot——真正传达你主要终点和亚组故事的那两张。其它 6 张属于 supplement。
第 2 对——杂乱机制图 vs SciFig 简化版
CAR-T 机制图的 bad 版把每个分子组件和下游级联都塞进一张图，没有代表能在 3 秒内吸收。Winning 版浓缩为一张 SciFig 渲染的免疫突触——与姊妹篇
CAR-T 机制图指南 用的同一张——发表级且 3 米外可读。
Bad CAR-T 机制：30+ 分子标签、级联箭头重叠的杂乱图（说明性 AI 示意图 · 图片由 SciFig 生成） Winning CAR-T 机制：简洁免疫突触，含工程化 T 细胞与 CAR 构造（图片由 SciFig 生成） 第 3 对——methods 文本墙 vs schema 替代
Methods 段——左侧 10pt 文本墙，右侧横向 CONSORT schema 含 5 个 box（说明性 AI 示意图 · 图片由 SciFig 生成） Bad ：500 词 methods 细节，10pt Calibri 字体，3 米外不可读。Winning ：横向 CONSORT 风格 schema，5 个阶段（enrollment → allocation → intervention → follow-up → analysis），箭头上有患者数。
第 4 对——杂乱配色 vs 学术配色
配色——左侧 8 色彩虹杂乱，右侧蓝/黄/白克制学术配色（说明性 AI 示意图 · 图片由 SciFig 生成） Bad ：8 种饱和色彩虹，跨 panel 用得不一致——红色有时表示"对照"有时表示"治疗"。Winning ：克制的 3 色学术配色（如 EHA 蓝黄白），跨海报语义一致。
第 5 对——模糊描述性标题 vs 关键发现标题
海报标题——左侧模糊描述性 vs 右侧关键发现 "axi-cel 延长 OS 14 个月在 r/r DLBCL"（说明性 AI 示意图 · SciFig） Bad ："对 124 例复发难治弥漫大 B 细胞淋巴瘤患者使用 axicabtagene ciloleucel 的临床预后回顾性研究"。Winning ："Axicabtagene ciloleucel 在 r/r DLBCL 延长中位 OS 14 个月：124 例真实世界数据"。
5 对的共同模式：winning 版决定什么最重要，让其它一切落到次要。Bad 版拒绝做这个决定，什么都包括。
# 失败模式 Bad 版本 Winning 版本 为什么有效 1 数据图过载 8 张小图 4×2 网格 1 张大 KM 曲线 + 1 张 forest plot 评议者 5 秒吸收主终点 + 亚组故事 2 机制图复杂 30+ 分子标签 + 重叠箭头 简洁免疫突触 + 5 个标注组件 单一焦点 → 3 米外可读 3 Methods 文本墙 500 词 10pt Calibri 横向 CONSORT schema 含患者数 Methods 一瞥即懂，不是读 5 分钟 4 配色杂乱 8 色饱和彩虹用得不一致 3 色克制配色 + 语义清晰 眼睛跨 panel 找到一致视觉锚点 5 标题模糊描述 "对 X 在 Y 例患者的研究..." "axi-cel 在 r/r DLBCL 延长 OS 14 个月" 标题级结果在代表决定停下前就抓住
提示
你不需要修复全部 5 类失败模式才能赢得档位。挑 当前草稿里最严重的 1-2 个失败模式 ，把 AI 辅助升级集中在那里。一张做到 80% 一个模式 + 60% 其它模式的海报，胜过一张全部 5 类都做 50% 的海报——3 秒测试奖励聚焦决策，不奖励"全方位的平均改善"。
6. EHA 海报常见 disqualifier：商品名、Embargo、Salami Slicing
除了设计质量，EHA 强制特定的投稿规则，即使视觉再精致也可能 disqualify 海报或触发委员会动作。
禁用商品名和企业 logo 。海报全程使用通用药名（international nonproprietary name, INN）——blinatumomab 不是 "Blincyto"、tisagenlecleucel 不是 "Kymriah"、idecabtagene vicleucel 不是 "Abecma"。制药公司 logo 不能出现在海报正文（disclosure 区赞助方致谢可以）。
Embargo 规则适用 。任何 embargo 数据（典型为 late-breaking 摘要或公司限制数据）在官方释放日期之前不能在社交媒体、preprint 服务器或机构新闻稿提前发布。违反 embargo 是海报被从 session 移除的反复出现的原因。
Salami slicing 会被标记 。跨多张 abstract 提交重叠数据（同一患者 cohort 切成 3 篇薄论文）是已知的 disqualifier。SPC 审核投稿的实质性重叠。
最后一类值得提醒的 disqualifier——
把不准确或 AI 生成的图作为实验证据呈现 。AI 制图工具（包括 SciFig）适合机制图、schematic、概念图。它们不适合用 AI 生成的内容替代实际的显微图像、流式、组化数据——那是科研不端。完整的"AI 图可不可用"框架，见
AI 生成的科研插图能用于期刊投稿吗？ 。
7. 赢家 EHA 2026 海报的设计系统：配色、字体、间距
一张赢家海报遵循紧致的设计系统。3 条规则覆盖大部分要点。
配色 ：选 3 种颜色，从一而终。典型学术配色是 1 种深色主色（如深蓝或深 teal）、1 种 accent（如黄或珊瑚）、白色。用主色做 header 和关键标签，用 accent 做高亮和 call-out，用白色做背景。避免：彩虹配色、过度用红色（读作"警告"）、配色组合通不过色盲安全检查。
字体 ：选 2 种字体（1 serif + 1 sans-serif），从一而终。层级靠字号建立，不靠引入新字体。标题 80-100pt，section header 36-44pt，body 至少 24-28pt（10-12pt 在 3 米外不可见）。无衬线（Helvetica、Lato、Open Sans）远距离读得比衬线好；如果要用衬线，留给 body 文本。
间距 ：宽松的留白是区分专业海报与业余海报的东西。四边 margin 5-7 cm。panel 之间至少 3 cm 间距。每个 panel 内部 padding 使文本永远不触边。"填满空间"的本能是产生文本墙的原因——抵制它。
预算约束版本——在没有企业级设计软件许可下产出发表级海报图，见
如何用预算内的工具产出 Nature 级科研插图 。
8. 用 AI 把普通 EHA 海报 1 小时升级为赢家
下面是把一张草稿海报图从"我应该修一下"变成"这是赢家"的实用工作流，用时不到 1 小时。每步 5-20 分钟，整个流程能在一个集中工作块完成。
Step 1: 识别通不过 3 秒测试的那一张图
（5 分钟）扫描当前草稿，按 3 秒测试标准挑出 单张最弱的图 。通常是机制图、trial schema 或数据图——占海报最大版面但传达最慢的那一张。标记为待替换；抵制"全部升级"的冲动——聚焦替换一张 hero 图胜过对多张图做散乱抛光。
Step 2: 用一句话陈述这张图
（5 分钟）写一句话说明这张图应该传达什么。"这张图展示我们的 scFv 靶向 BCMA 在多发性骨髓瘤浆细胞的 CAR-T 免疫突触。"这句话成为你 SciFig prompt 的脊柱，确保模型生成内容而不是猜测你的意图。
Step 3: SciFig 生成第一稿
（15 分钟）打开
SciFig 的 figure enhancer 上传当前弱图，或打开 Text-to-Figure 粘贴基于你一句话陈述的结构化 prompt。从
CAR-T 机制图指南 或
造血分化树指南 中按主题挑 prompt。第一稿输出典型是 70% 正确的起点——可在原地精修，不是成品。
Step 4: 在 SciFig 矢量画布精修
（20 分钟）在 SciFig 矢量画布里打开结果。重命名标签匹配你的具体构造或 cohort。调整配色匹配海报的 3 色系统。调整大小适应新图要占的 panel 空间。导出分层 SVG 或 8K PNG。无需去 Illustrator 中转 ——每一次编辑都在浏览器里完成。
Step 5: 放进海报布局
（15 分钟）把新图放进海报布局，替换弱版本。调整邻近 panel 的大小，给新 hero 图视觉主导地位（按第 4 节占海报 30-50% 版面）。重新平衡留白，让新 hero 锚定布局而不是看起来"贴上去的"。
总耗时：约 1 小时。结果是一张图把你的海报锚定为赢家候选，而不是"称职但被遗忘"的投稿。免费注册 SciFig 即获
150 启动 credits + 每日 50 续费 credits ——单张 hero 图升级含迭代典型消耗 30-50 credits。预计要为年度多张海报反复升级图，见
定价页 。
看配图增强实战
放大、局部修复、重上色、改标签——把任意配图升到 8K 期刊级质量。
探索该工具 9. 免费试用 CTA + EHA 2026 出发前海报 Checklist
寄出印刷件之前确认这 12 项。这与
EHA 2026 海报投稿完整指南 中的 checklist 一致——定稿时开着对照。
☐ 接收档位确认（Oral / Poster Tour / Poster View / Publication only）
☐ 标题通过 3 秒测试（3 米外可见、陈述性、关键发现用白话）
☐ 1 张 hero 图锚定布局（占 30-50% 版面，发表级）
☐ 3 色配色跨所有 panel 一致使用
☐ 最多 2 种字体，body 文本 ≥24pt
☐ 宽松留白（margin 5-7 cm，panel 间距 ≥3 cm）
☐ 无商业 logo 或商品名（全程通用 INN）
☐ 作者 disclosure 按 EHA 政策处理
☐ 与其他接收摘要无 salami-slice 数据重叠
☐ Embargo 规则遵守（embargo 数据不提前发布）
☐ Full size 印刷打样过，不只是 25% 缩略
☐ 3 分钟现场讲解至少口头排练 2 次
每年反复出现的海报准备错误更广避免，见
5 个研究者最常踩的科研插图坑 。
增强已有配图
上传配图——修标签、升到 8K、导出发表级结果。
免费试用 常见问题
EHA 2026 海报怎样才算赢？ 赢家 EHA 2026 海报通过 3 秒测试 ——走过的代表瞥一眼 3 秒内必须能抓住研究问题和关键发现。机械上：标题 3 米外可见、1 张 hero 图占 30-50% 版面、3 色克制配色、body 文本 ≥24pt 可读、宽松留白。除视觉设计外，Young EHA Best Abstract Award 表彰临床医生、PhD 学生、博士后、培训生的最高排名摘要，奖品包括下届 Congress 免费注册。
什么会让 EHA 海报被取消资格？ 3 类投稿规则可以从 session 拉掉海报 ——不管设计多精致：商品名或企业药品 logo 替代通用 INN（用 blinatumomab 不是 "Blincyto"）；embargo 违规（在官方释放日期前预热 late-breaking 或公司限制数据）；salami slicing（同一患者 cohort 切跨多张 abstract）。SPC 主动审核投稿的这些问题。
怎么快速重做一张弱的海报图？ 1 小时工作流 ：识别最明显通不过 3 秒测试的那张图；用一句话陈述它应该传达什么；上传到
SciFig figure enhancer 或在 Text-to-Figure 粘贴结构化 prompt；在矢量画布精修标签和配色；导出分层 SVG 或 8K PNG 放进海报布局。单张 hero 图升级在 SciFig 典型消耗 30-50 credits。
EHA Young EHA Best Abstract Award 是什么？怎么获得？ Young EHA Best Abstract Award 表彰来自临床医生、PhD 学生、博士后、培训生的最高排名摘要 （
官方详情 ）。奖品通常包括下届 Congress 免费注册 + €500 honorarium。基于 abstract 投稿类别和评议者评分自动符合资格——没有单独申请。获奖海报通常在科学严谨度（SPC 同行评议）和视觉呈现质量（Congress 期间由 session chair 评估）都得分高。
我能用 AI 升级我的 EHA 海报图吗？ 示意性图可以 （机制图、trial schema、造血树、信号通路、概念 schematic）。AI 不能用于实验证据图（显微图像、流式细胞图、凝胶图、原始成像数据）。EHA 和主要血液学期刊接受 AI 辅助示意性图，前提是你在图注或 methods 披露 AI 使用。完整解析见
AI 生成的科研插图能用于期刊投稿吗？ 。
免责声明 ：本文为面向会议海报和论文发表的科学插图设计教育内容 ，不构成医疗建议 ，不可作为临床决策依据。文中涉及的疾病机制、药物适应症、治疗方案均来自上文引用的同行评审文献摘要和 EHA 官方资料；临床实践请参考原始文献、官方治疗指南（如 NCCN / ESMO / ASH）和持证临床医师意见。SciFig 是科学插图工具，不进行诊断、治疗或患者管理建议。
