夜雨聆风
在所有科学领域中，癌症研究本应是全人类最神圣、最不容掺假的阵地。
无数绝症患者在病榻上苦苦等待新药，无数科研人员在实验室里通宵达旦地寻找靶点。但你有没有想过：过去25年里发表的数百万篇癌症研究论文中，每十篇里就可能有一篇来自流水线批量伪造的“论文代工厂”？
一项刚刚发表在世界顶级医学期刊《英国医学杂志》（The BMJ）上的重磅研究，给出了答案。
▲ 发表在《英国医学杂志》（The BMJ）上的重磅研究
来自法国雷恩数学研究所、澳大利亚悉尼大学与昆士兰科技大学（QUT）的科学家团队，训练了一个基于深度学习的语言模型，对全球生物医学核心数据库 PubMed 中 1999年至2024年间发表的约264.7万篇原创癌症研究论文 进行了史无前例的大规模“地毯式扫描”。
结果令人胆战心惊：整整 261,245 篇论文被亮起红灯（占比约 9.87%）。
它们的行文逻辑、词句搭配与那些已知被撤稿的“论文工厂”假论文高度一致。
在过去20年里，这种“流水线制造的假科研”暴增了16倍。
一场明码标价的暴利黑产：30美元就能买走一个科研成果
要理解为什么会有26万篇癌症论文沦陷，首先必须撕开学术界最隐秘的毒瘤，论文工厂（Paper Mills）。
什么是论文工厂？简而言之，就是把学术论文当成大宗商品、按流水线批量生产并公开叫卖署名的地下跨国商业组织。
▲ 《卫报》长文披露 Telegram 与 WhatsApp 上的学术黑市
根据《卫报》等媒体的深入调查，在 Telegram、WhatsApp 等海外即时通讯平台上，存在着极其庞大的“署名黑市”。学术诚信调查员追踪了数年间横跨多国的上万条广告：
- 从30美元的“挂名作者”，到800美元的“通讯作者/一作”
，明码标价； 甚至连专利、实验数据、全套图表都能“按需定制、包教包过”。 调查显示，这种黑产制造的垃圾论文，几乎每18个月就翻一番。
那么，这些代工厂是如何做到在几个小时内“无中生有”一篇癌症论文的？
答案就是，“学术填字游戏”
在分子生物学和肿瘤学的基础研究中，经典的论文范式极其固定：
“某某微小核糖核酸（microRNA/lncRNA）在【癌种 A】中通过【通路 B】调控了【蛋白 C】，从而抑制了肿瘤细胞增殖。”
论文工厂可以绕开昂贵的湿实验他们只要写好一个万能模板，把里面的癌种、基因名、通路像搭积木一样换掉，再配上几张用 Photoshop 随意修改、反复复用的细胞荧光图或 Western Blot 电泳图，一篇看起来“逻辑严密、数据详实”的原创癌症论文就出炉了。
科学界的“垃圾邮件过滤器”：AI如何闻出科技狠活的味道？
既然人类审稿人的肉眼根本看不过来每年数十万篇的投稿，研究团队决定“以毒攻毒”，给科学界装上一个超级垃圾过滤器。
通讯作者、昆士兰科技大学（QUT）的 Adrian G. Barnett 教授与团队采用微调过的 BERT 自然语言处理模型。
他们找来 2,202 篇因“论文工厂制造”而被正式撤稿的癌症论文作为正样本，再搭配精心筛选的对照组论文，让 AI 去学习那些深藏在字里行间的“语言指纹”。
▲ 学者在社交媒体复盘 260 万篇文献的筛查过程与严峻趋势
模型的内部验证准确率达到了 91%，外部验证准确率高达 93%。随后，这台机器被推向了 PubMed 过去四分之一个世纪沉淀的 260 多万篇癌症文献的大海。
推断出的数据，直接扯下了学术繁荣的遮羞布：
- 时间爆炸曲线
：2000年代初，被标记的嫌疑论文比例仅有 1% 左右；但到了2020年代初，这一数字飙升到 超过 15%（以2022年为例，单年发表的17.1万篇癌症论文中，就有2.6万篇被标记）。 - 重灾区癌种
：被标记比例最高的是胃癌（约22%）、骨肿瘤（约21%）、肝癌（约20%）。 - 学科聚集度
：绝大多数被标记论文集中在癌症生物学、分子靶点、诊断预后等基础实验领域；而在依赖真实病人随访的流行病学、临终关怀等领域，嫌疑比例极低。
原因非常现实：基础分子实验造假成本最低，最容易用计算机“凭空编造”；而涉及真实临床队列的研究，造假极难天衣无缝。
颠覆认知：顶级期刊未能幸免，假论文反而多拿2倍引用！
很多人可能会下意识地以为：这些流水线假论文，肯定只流向了那些无人问津的“野鸡开源期刊”吧？
大错特错
研究团队发现了一个令人窒息的现象：在影响因子排名前 10% 的顶级权威期刊中，被标记为疑似工厂论文的比例同样在逐年爬升，到2022年甚至突破了 10%！
▲ 业内人士指出：面对工业化灌水，科学界急需垃圾过滤器
这印证了前几年震撼整个出版界的 Hindawi/Wiley 事件，当时国际出版巨头 Wiley 旗下品牌因同行评审被操纵、特刊被论文工厂大规模渗透，2023 年累计撤稿逾 8,000 篇论文，母公司直接遭受数千万美元的营收重创，随后停用该品牌。
更可怕的恶性循环发生在“引用链”上
《自然》（Nature）新闻此前的跟踪报道还发现：带有论文工厂特征的癌症研究，其获得的平均引用量竟然是正规研究的近 2 倍！
为什么假论文反而更受欢迎？
它们为了快速发表，会主动迎合当下最热门的明星靶点（比如某种热门的非编码 RNA 或免疫检查点）； 它们的“实验数据”完美契合假设，结论惊人地漂亮； 工厂内部甚至会操纵多个买家相互引用，人为制造虚假的“高被引神话”。
这就是最危险的“学术洗钱”：用虚假的完美数据包装出虚假的热点，再通过互引把垃圾洗成“高价值文献”，堂而皇之地进入顶级学术期刊的殿堂。
垃圾进，垃圾出：被污染的科学文献将如何误导医学未来？
也许有人会问：学术圈有些人为了评职称买几篇垃圾论文，只要不用于临床看病，真的有那么大危害吗？
答案是：它正在悄悄动摇现代医学与生物医药的根基。
▲ 《The Scientist》指出，假研究渗透对整个癌症医学构成严峻挑战
生物医药的研发链条极其漫长从发现一个分子靶点，到动物实验，再到耗资数十亿美元的三期临床试验，前期的所有假设全部建立在已发表的学术文献之上。
如果前期文献中有一成是伪造的：
- 药企与科研经费的巨大浪费
：真实的科学家和新药研发团队可能会浪费数年时间和数以亿计的研发资金，去追逐一个根本不存在的“幽灵靶点”； - 下游医学大模型中毒
：在 AI for Science 爆发的今天，无论是蛋白质预测模型还是生物医药大语言模型，它们的训练语料都直接来自 PubMed。如果输入的是 26 万篇工业垃圾，产出的只能是充满幻觉的“科学毒药”（Garbage In, Garbage Out）； - 对患者生命的潜在延误
：错误的机制研究可能间接误导临床试验的探索方向，让原本能拯救患者生命的宝贵时间被白白消耗。
理性审视：AI标记并不等于“法庭定罪”
在面对这一震撼数字的同时，我们必须保持足够的科学客观与审慎。
研究通讯作者 Barnett 教授和多位第三方计算生物学专家均在论文与公开采访中反复强调：“被 AI 标记”（Flagged）绝不等于“证实造假”（Proven Fake）。
这套 BERT 分类模型本质上是一个基于统计特征的初筛工具。
考虑到现实世界的基线概率，作者估算该工具的阳性预测值（PPV）大约在 0.7 左右。据此推算，在被标记出的 26 万篇论文中，可能存在约 30% 的假阳性。 此外，非英语母语作者在撰写英文论文时，常常依赖固定的句式模板和套话，这种写作风格上的习惯有时会被语言模型误判为“代工厂模板”。
因此，这项研究将工具定位为初筛环节，为精疲力竭的期刊编辑部、科研机构提供一把“金属探测仪”，把有限的人工复核与图像审查资源，精准投放到嫌疑最高的地方，避免直接给某篇论文或某个研究机构定罪。
目前，同一家大型出版商旗下已有三本期刊在稿件投递系统中试运行该模型，作为初审的辅助参考，并且绝不会单凭算法结果直接拒稿。
当科研沦为KPI，是时候重塑信任了
26万篇疑似工厂论文撕开了技术漏洞，也暴露出全球学术评价体制的异化。
当晋升、职称、毕业、经费获取被简单粗暴地与“论文数量”和“影响因子”深度绑定；当做三年脏活累活的真实实验可能换来一个阴性结果，而花几百美元买一篇假论文却能在几个月内见刊，扭曲的激励机制，自然会催生出迎合扭曲的工业级黑产。
科学探索本是人类认知边界上最孤独、最崇高的远征，它的基石只有两个字：真实。
AI 筛查工具的诞生，像是在这片被垃圾信息污染的学术海洋上空升起了一枚照明弹。它警示着所有人：如果评价机制不彻底改变，如果对造假黑产的围剿不延伸到制度深处，那么这场 AI 生成造假与 AI 文本检测之间的“军备竞赛”，就永远不会有赢家。
而最终买单的，将是每一个等待新药救命的普通人。
