BMJ与AWS合作开发AI编辑助手,支持同行评议初筛

BMJ Group拥有近70种医学及健康领域期刊，每年接收数万篇稿件。论文编辑初筛和同行评议是整个出版流程中最核心的环节，但也面临两项现实挑战：一是大量稿件在送审后才发现方法学等方面存在问题，消耗了编辑和审稿人的大量时间；二是部分稿件虽然不符合目标期刊定位，却可能适合集团旗下其他期刊，缺乏跨期刊识别机制会降低优质稿件留存率。

为此，BMJ Group与AWS生成式AI创新中心合作开发了一款面向编辑的AI助手，希望帮助编辑在稿件进入同行评议之前完成更加充分的分析，从而更准确地判断哪些稿件适合送审、哪些应当直接退稿，以及退稿原因。同时，该工具也希望帮助编辑发现更适合集团其他期刊的稿件，提高优质论文的收录机会。双方强调，同行评议仍然是保障科研可信度的基础，AI助手的定位始终是辅助编辑，而不是取代编辑判断。所有稿件筛选决定仍由编辑作出，编辑始终保有完整的决策权。

在这一理念下，项目采用了多智能体（Multi-agent）架构，由八个具有不同职责的AI模块共同完成分析。系统首先判断论文是否符合目标期刊范围；随后结合OpenAlex、PubMed等数据库评估研究的新颖性和潜在影响；依据CONSORT、STROBE、PRISMA以及CASP等国际规范检查研究设计和方法学报告质量；自动生成并运行代码，对统计分析进行验证；检查伦理规范和合规要求；结合PubPeer、ORCID等信息识别作者身份和潜在利益冲突；之后综合各模块结果形成建议，并最终生成编辑可直接参考的结构化评语。

整个系统建立在Amazon Bedrock AgentCore平台上，各智能体均采用Anthropic Claude模型，并通过AWS Step Functions协调运行。当系统发现稿件明显超出期刊范围时，可提前结束分析流程，从而节省计算资源和编辑时间。系统生成的所有分析结果均附带推理依据和信息来源，方便编辑进一步核查。

项目初步测试选取了《Emergency Medical Journal》和《BMJ Open》的21篇投稿进行验证。结果显示，AI助手在方法学审查和研究创新性分析方面表现尤为突出。参与测试的编辑认为，该系统能够在有限时间内完成传统初筛阶段难以实现的深入分析，为编辑提供了具有实际价值的信息。从整体评估来看，该原型系统在三个技术指标上的成功率均超过80%，包括识别已知错误、发现关键方法学缺陷以及AI建议与最终出版结果的一致程度。不过，团队也指出，未来仍需进一步优化输出内容，使分析更加聚焦、更加简洁。

项目团队总结认为，此次合作进一步证明，学术出版领域的AI工具必须与编辑共同开发，而不是简单部署给编辑使用。编辑、科研诚信专家与技术团队从项目初期便共同制定评价标准，不断根据实际反馈优化系统。实践表明，将复杂编辑流程拆分为多个职责明确的智能体，比单一模型承担全部任务更容易获得稳定且具有可解释性的结果。同时，与编辑真实工作流程保持一致的固定工作流，有助于提升编辑对AI结果的信任。

团队还发现，当AI依据成熟规范和标准化检查清单开展分析时，输出质量最好；而对于依赖多年编辑经验和综合判断的复杂问题，AI仍然难以达到稳定水平。这再次说明，AI更适合作为编辑工作的辅助工具，而不是自动替代编辑专业判断。目前，该项目已完成概念验证。BMJ Group计划继续完善系统，开展更大规模测试，并与ScholarOne稿件管理系统进行集成。未来，这一工具还有望进一步扩展，为同行评议阶段的审稿人提供辅助支持。

参考文献：

https://aws.amazon.com/blogs/publicsector/building-an-editorial-ai-assistant-to-support-peer-review-with-aws-generative-ai-innovation-center/

ScienceOpen将为期刊创建主题合集，将期刊近期的英文摘要（可以中英文对照）展示在ScienceOpen的平台上。ScienceOpen将通过一系列的推广模式扩大期刊的国际影响力，包括但不限于：发布新闻稿、关键词匹配推荐至类似其他期刊页面展示、社交媒体转发期刊内容、不定期组织专辑推荐期刊等。