研究人员日前在美国《科学公共图书馆·生物学》杂志发表的一项最新研究中说，科学文献正面临被大量基于公开数据、且易于利用人工智能工具处理的误导性生物医学论文淹没的风险。

　　在这项研究中，来自英国萨里大学等机构的科研人员重点分析了341篇基于美国全国健康和营养调查的数据的研究论文。全国健康和营养调查是一个开放数据集，收集了数千名美国人的健康、饮食和生活方式数据。这些论文于2014年至2024年间发表在147份由前沿传媒公司、埃尔斯维尔和施普林格·自然集团等多家出版商出版的期刊上。

　　分析结果显示，这些论文似乎都遵循类似的范式，即将一个变量（例如维生素D水平或睡眠质量）与抑郁症或心脏病等复杂疾病联系起来，但忽略了这些疾病由多种因素引发的事实。

　　研究人员发现，许多论文中提出的关联性经不起统计学的检验，而且有些研究中的数据似乎是精心挑选的。就时间趋势而言，研究人员发现从2014年到2021年，平均每年约有4篇基于该数据集的论文发表，但2024年仅截至当年10月9日就有190篇发表。

　　研究人员认为，2022年起，大语言模型开始变得更加复杂和主流，而美国全国健康和营养调查的数据集公开可用，可以插入编码或人工智能系统进行分析，这可能导致过去两年基于这些数据的研究大幅增加。

　　研究共同作者、萨里大学生物医学专家马特·斯皮克说，一些极其公式化的论文发表率激增，而这些论文很容易由大语言模型生成。（郭爽）