鑑於人工智慧日益普及，醫學研究領域正遭遇「無意義研究」湧入學術期刊的挑戰，學術界專家擔憂現有審稿流程難以辨識AI生成的內容，可能威脅學術誠信與研究品質。
人工智慧（AI）在醫學研究領域的應用日益普及，卻也引發學術界對大量「無意義」研究可能淹沒醫學期刊的憂慮。專家指出，生成式AI不僅能製造難以辨識的假研究，甚至能協助造假者回應指控，讓學術誠信面臨嚴峻挑戰。
科學誠信顧問伊麗莎白·比克（Elisabeth Bik）博士憂心表示：「我們現在已經到了無法區分真偽的程度。」過去，AI產生的研究可能因捏造參考文獻而露出馬腳，但現今的AI已能產出表面上毫無錯誤的研究報告，使得學術期刊難以識別AI生成內容。
學術期刊的審稿流程（即期刊在接受論文發表前，會由同儕學者審核內容的品質與有效性，確保其符合學術標準）正面臨前所未有的壓力。《MedpageToday》報導指出，研究人員發現利用ChatGPT或Claude等AI工具，可以輕易產出內容空泛、影響力微薄的研究，特別是系統性回顧。此外，運用美國疾病管制與預防中心（CDC）的WONDER平台及國家健康營養調查（NHANES）等公開數據集進行的研究，數量也顯著增加。
為因應此趨勢，學術出版商Frontiers已收緊規範。該公司研究誠信部門主管Elena Vicario表示，針對僅包含生物資訊分析、公開數據運算研究（如國家健康營養調查）或孟德爾隨機化研究的稿件，作者必須提供新的實驗驗證或來自其所屬機構的額外數據。僅去年一年，Frontiers就以簡易公開數據查詢為由，拒絕超過12,000份稿件，其中逾3,000份是基於國家健康營養調查的提交內容。
其他學術期刊也正檢視其政策，試圖在海量平庸研究湧入的情況下，維護學術品質並避免審稿系統不堪重負。施普林格·自然（Springer Nature）採用篩選工具、AI輔助方法及專家人工審查的組合模式，以識別不道德或詐欺性內容。NEJM Group則正試行AI生成內容的辨識技術（指透過演算法分析文本、圖像等，判斷其是否由人工智慧工具生成），並致力於提升作者的揭露義務。
儘管有Pangram、Imagetwin和Proofig等工具可用於偵測AI撰寫文本、重複圖像及抄襲，但學術界普遍質疑，這些工具是否能跟上AI持續進步的腳步。專家指出，生成式AI不僅讓直接造假更輕而易舉，甚至能協助作者針對造假指控撰寫篇幅冗長、幾乎全由AI生成的反駁內容。
撤稿觀察（Retraction Watch）共同創辦人伊萬·歐蘭斯基（Ivan Oransky）醫學博士認為，「發表或淘汰」（publish-or-perish）的學術升遷壓力，是造成AI生成平庸研究湧入文獻的根源之一。他呼籲，若醫學院和大學不希望文獻被「垃圾」淹沒，就應停止鼓勵研究人員大量發表論文。
參考來源