題圖|Science

　　撰文 | 宋文法

　　近日，Science在其新聞專欄Science Insider上報道了一篇題為"Low-quality papers are surging by exploiting public data sets and AI"的文章。

　　文章顯示，2022年后，使用美國國家健康和營養檢查調查（NHANES）數據庫發表的低質量論文數量急劇增加，2021年后發表的論文中，92%的第一作者隸屬于中國機構，而2021年之前，這一數據只有8%。

　　文章還指出，這些論文高度相似，可能是由“論文工廠”利用人工智能（AI）生成的文本制造的，表明大型公共衛生數據庫很容易被濫用。

　　圖：Science官網截圖

　　去年，Scientific Reports期刊副主編（Matt Spick）注意到，大量NHANES數據集的論文涌入同行評審，這些論文高度相似，可能是由所謂的“論文工廠”利用AI生成的文本制造的。

　　Matt Spick表示，這些論文的形式極為相似，先選定一種健康狀況以及與之可能相關的環境或生理因素，再確定特定人群，然后通過簡單的變量替換來生成新的論文，類似于在“研究填空”的游戲中創造出新的“發現”。

　　此外，其他一系列主題中也發現了類似的爆炸式增長，包括遺傳學研究、文獻計量學、性別差異研究等。

　　Matt Spick團隊在PubMed、Scopus中搜索了使用NHANES數據研究單一關聯的研究，找到了341篇遵循上述“套路”的論文，它們發表在147種期刊上。

　　從發文時間上來看，在2014-2021年期間，平均每年發表4篇此類論文，但2022年以后，此類論文數量激增，截至2024年10月已發表190篇。

　　Matt Spick團隊還發現，近期的NHANES論文大多由中國研究人員撰寫，2021年后發表的論文中，92%的第一作者隸屬于中國機構，而2021年之前，這一數據只有8%。

　　Matt Spick表示，中國科研人員面臨的壓力和激勵機制，為“論文工廠”提供了機會，這也表明可能存在論文工廠的參與。

　　Springer Nature科研誠信主管表示，該出版商已經撤回了多篇NHANES論文，審查仍在進行中，并要求編輯們審查時保持警惕。

　　Matt Spick表示，低質量研究的“工業化”導致大量無用的研究成果充斥著文獻，其他大型健康數據集也可能存在類似的情況。

　　https://www.science.org/content/article/low-quality-papers-are-surging-exploiting-public-data-sets-and-ai

　　助力醫學研究高質量發展，推動醫療科技創新轉化！

　　研究設計|課題申報|數據挖掘|統計分析

　　生信分析|選題指導|寫作指導|評審指導

　　選刊投稿指導|研究項目指導|定制化培訓

　　定制化研究設計|真實世界研究（RWS）實施