大四學(xué)生連發(fā) 40 余篇 SCI，醫(yī)學(xué)研究正在變成流水線？

圖源：Unsplash / Lush Kooch

撰文｜張?zhí)炱?/strong>

溫州醫(yī)科大學(xué)一名大四學(xué)生，最近引起了不小的關(guān)注。

他的 Google Scholar 個(gè)人主頁顯示，從 2024 年 7 月至今的一年多時(shí)間里，他已累計(jì)發(fā)表學(xué)術(shù)論文 48 篇。如果將時(shí)間進(jìn)一步壓縮到 2025 年，這一數(shù)字就顯得更為集中。一年之內(nèi)發(fā)表論文超過 40 篇，平均下來，幾乎不到 10 天就有一篇新作上線。

初步梳理發(fā)現(xiàn)，其中僅有 4 篇未被 SCI 收錄，其余 44 篇均被 SCI 期刊收錄。這些論文并非主要集中在低分區(qū)期刊。按中科院期刊分區(qū)口徑估算，約有 10 篇發(fā)表在一區(qū)期刊，20 篇左右發(fā)表于二區(qū)期刊。

需要說明的是，這 48 篇成果不全是研究論文，其中包含了致編輯的通信（letter）、綜述性文章以及觀點(diǎn)類短文。但即便不計(jì)這些文章，他的發(fā)表量和發(fā)表速率也足夠驚人，特別是對本科生來說。

從作者結(jié)構(gòu)看，這位學(xué)生本人多以第一作者身份出現(xiàn)，并兼任通訊作者。因?yàn)橐蛔鲾?shù)量極多，外界有人懷疑他是靠家庭或者導(dǎo)師提攜的學(xué)二代。但單看他的論文署名情況，“學(xué)界大佬”掛名通訊的情況并不多見，甚至連導(dǎo)師作為通訊作者署名的比例也并不高。實(shí)際上，論文的合作者更多來自同一所學(xué)校、和他年紀(jì)相仿的本科生。

在發(fā)表渠道上，這些論文多發(fā)表于開放獲取（Open Access）期刊。這類期刊通常需要作者在論文接收后支付一定數(shù)額的版面費(fèi)。相關(guān)費(fèi)用從何而來尚不清楚，不過從學(xué)校現(xiàn)行制度來看，僅通過校內(nèi)渠道，他就可能獲得至少兩類與論文直接相關(guān)的經(jīng)費(fèi)支持。

據(jù)溫州醫(yī)科大學(xué)官方通知，本專科學(xué)生在創(chuàng)新創(chuàng)業(yè)方面取得成果的學(xué)生、指導(dǎo)教師和學(xué)院予以獎(jiǎng)勵(lì)。獎(jiǎng)勵(lì)的成果包括學(xué)生為第一作者公開發(fā)表的論文（二級及以上）、學(xué)生為第一發(fā)明人獲得的專利、學(xué)生參加各級“挑戰(zhàn)杯”競賽所獲獎(jiǎng)項(xiàng)等。

2021年公布的《溫州醫(yī)科大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)工作獎(jiǎng)勵(lì)辦法》顯示，溫州醫(yī)科大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)資金，每年投入預(yù)算500萬元。本專科學(xué)生作為第一作者發(fā)表SCI、SSCI、A&HCI收錄刊物獎(jiǎng)勵(lì)4000元。對學(xué)科競賽獲獎(jiǎng)的學(xué)生集體，也有根據(jù)競賽級別和獲獎(jiǎng)名次的獎(jiǎng)勵(lì)[1]。

在校內(nèi)，各類科技創(chuàng)新項(xiàng)目幾乎貫穿了這位學(xué)生的整個(gè)大學(xué)階段。僅在院級公眾號上，就能搜索到該同學(xué)申報(bào)2024年度溫州醫(yī)科大學(xué)本專科學(xué)生科研課題、年度大學(xué)生創(chuàng)新創(chuàng)業(yè)重點(diǎn)孵化團(tuán)隊(duì)。2024年浙江省大學(xué)生科技創(chuàng)新活動(dòng)計(jì)劃（新苗人才計(jì)劃），以及2025年國家級大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目、2025年第十屆全國大學(xué)生生命科學(xué)競賽的記錄。這些科技創(chuàng)新項(xiàng)目也有各自的資助。

這位學(xué)生發(fā)表論文的合作者，很多就是各個(gè)科技創(chuàng)新項(xiàng)目的小組成員。同一批項(xiàng)目中，多名學(xué)生都以不同方式參與論文產(chǎn)出，陸續(xù)獲得了多篇論文署名，甚至共同第一作者。只是由于其個(gè)人發(fā)表數(shù)量更為集中，相關(guān)關(guān)注更多聚焦于他一人。

這些文章在研究對象上，涉及腫瘤、免疫、神經(jīng)系統(tǒng)疾病、醫(yī)學(xué)影像、藥物和醫(yī)療器械評價(jià)等多個(gè)領(lǐng)域，但在具體做法上卻高度接近。多數(shù)論文采用的是孟德爾隨機(jī)化（Mendelian Randomization，MR）、組學(xué)、生物信息學(xué)篩選或網(wǎng)絡(luò)毒理學(xué)方法，也有一部分直接基于 GBD 等公共數(shù)據(jù)庫撰寫流行病學(xué)研究。這些研究幾乎都建立在現(xiàn)成數(shù)據(jù)之上，并不需要進(jìn)入實(shí)驗(yàn)室開展實(shí)驗(yàn)。

這種方法上的集中，在論文標(biāo)題中就能直接看出來。在他 Google Scholar 主頁顯示的 48 篇文章中，至少有 11 篇在標(biāo)題中明確標(biāo)注了“孟德爾隨機(jī)化”。即便不計(jì)算那些未寫入標(biāo)題、但在正文中同樣以孟德爾隨機(jī)化作為主要分析工具的論文，相關(guān)方法在其研究中所占的比重也已經(jīng)十分突出。

很多文章都是統(tǒng)計(jì)A成分與B疾病之間的關(guān)系。例如，圍繞 PFAS（全氟和多氟烷基物質(zhì)）與癌癥的關(guān)系，他在不同時(shí)間點(diǎn)陸續(xù)發(fā)表了多篇論文。先是 PFAS 與肝癌，隨后是 PFAS 與乳腺癌，又有將 PFAS 放入多種癌癥框架中同時(shí)討論的研究。同樣的數(shù)據(jù)庫，相似的分析邏輯，只需更換疾病的靶點(diǎn)數(shù)據(jù)，就能像拼積木一樣拼湊出新的成果。

部分論文的內(nèi)容還有復(fù)用的嫌疑。他在2025年初發(fā)表了一篇關(guān)于Busulfan導(dǎo)致無精癥的機(jī)制論文，而在同年年末的全國大學(xué)生生命科學(xué)競賽中，類似的內(nèi)容又以《多組學(xué)整合揭示Busulfan誘導(dǎo)無精癥的關(guān)鍵靶點(diǎn)與分子機(jī)制》為題出現(xiàn)。

很難判斷這些論文是否有論文工廠的助力，但如果幾位本科生已經(jīng)能夠搭建一條論文生產(chǎn)流水線，這或許并非孤立現(xiàn)象。與以往依賴家庭背景或?qū)熤С值膶W(xué)術(shù)不端事件相比，它同樣需要被認(rèn)真對待。

01 AI時(shí)代，制造流水線論文只要兩小時(shí)？

類似溫州醫(yī)科大學(xué)這位學(xué)生，利用公共數(shù)據(jù)庫和特定的方法，越過做實(shí)驗(yàn)的步驟大量快速發(fā)表論文，現(xiàn)在已經(jīng)被視為一條論文發(fā)表捷徑。

一個(gè)難以忽視的現(xiàn)象是，低質(zhì)量、重復(fù)性論文的快速增長，在時(shí)間上幾乎與AI生成能力的躍升同步發(fā)生。這種重合并不必然意味著因果關(guān)系，但已經(jīng)足以引起警覺。

研究者們也注意到了這一點(diǎn)。來自英國薩里大學(xué)和澳大利亞昆士蘭科技大學(xué) 的兩位研究者，近期專門對 AI 工具與這類快速生產(chǎn)論文之間的關(guān)系展開了調(diào)查。研究者對 2021 年至 2025 年（截至 7 月底）已發(fā)表的相關(guān)研究進(jìn)行了系統(tǒng)性梳理，試圖回答：圍繞同一套數(shù)據(jù)，學(xué)術(shù)界到底出現(xiàn)了多少“換題不換數(shù)據(jù)”的重復(fù)研究？

梳理對象聚焦于使用美國疾病控制與預(yù)防中心（CDC）國家健康與營養(yǎng)調(diào)查（NHANES）數(shù)據(jù)庫的論文。在統(tǒng)計(jì)時(shí)，研究者將“重復(fù)”界定為這樣一類研究：研究對象來自同一國家、同一人群，討論的仍是相同的暴露因素與相同的健康后果，只是在題目、表述或分析方法上作出細(xì)微調(diào)整。

在對文獻(xiàn)進(jìn)行系統(tǒng)檢索和匹配后，研究者共識別出 411 篇成對的重復(fù)“暴露—后果”論文。最常見的情形是：同一個(gè)暴露—后果組合，被發(fā)表成兩篇論文，這一情況涉及 190 篇文章。某些主題的密集程度尤其高，例如“氧化平衡得分與慢性腎臟病之間的關(guān)聯(lián)”，在一年之內(nèi)就被發(fā)表了 6 次。

從時(shí)間維度看，這類重復(fù)發(fā)表幾乎是一個(gè)近幾年才迅速放大的現(xiàn)象。在 2023 年之前，圍繞 NHANES 的重復(fù)論文仍然十分有限：2021 年僅 3 篇，2022 年為 12 篇。但到了 2024 年，這一數(shù)字驟然攀升至 198 篇，短短兩年間增長了 17 倍。

更進(jìn)一步，研究者們基于已發(fā)表的論文，使用大模型直接生產(chǎn)了三篇看似全新的稿件。求新文本在句法結(jié)構(gòu)上必須與原文不同，以降低被剽竊檢測工具識別的可能性。研究者坦言，LLM 并不能被指令生成完全無誤的論文，但即便如此，每一篇論文從頭到尾的生產(chǎn)時(shí)間，也僅僅只需要兩個(gè)小時(shí)。

研究者隨后將三篇由大語言模型生成的合成稿件提交至 iThenticate。三篇稿件在剔除參考文獻(xiàn)后的總體相似度均低于 30%，且沒有任何單一來源的相似度超過 5%。按照當(dāng)前主流編輯流程的標(biāo)準(zhǔn)，這樣的得分不會(huì)觸發(fā)自動(dòng)的預(yù)警。

當(dāng)然，越過了第一道關(guān)卡，不意味著一篇論文就能夠被接收。但是僅僅兩個(gè)小時(shí)就能出產(chǎn)一篇通過自動(dòng)檢測的論文，如此之低的制造成本下，即便單篇論文的成功率并不高，只要不斷重復(fù)提交，總會(huì)有一部分進(jìn)入發(fā)表通道[2]。

這一問題在中國尤其嚴(yán)重。今年年初的一項(xiàng)研究顯示，基于 NHANES 健康數(shù)據(jù)庫垃圾論文數(shù)量的激增幾乎完全集中在中國。2021至2024年間，全球共發(fā)表了316篇此類論文，其中有292篇的第一作者來自中國單位，占比超過92%。作者猜測，AI能夠很方便的調(diào)用NHANES數(shù)據(jù)，是論文暴增的來源之一[3]。

類似的“數(shù)據(jù)挖掘論文”服務(wù)，在國內(nèi)社交平臺(tái)上并不難找到。在一些平臺(tái)的廣告中，造假的暗示已非常露骨。例如有平臺(tái)寫道：“因公共數(shù)據(jù)庫的開放性，我們提供的統(tǒng)計(jì)服務(wù)可不斷更換研究主題，挖掘數(shù)據(jù)，直至分析出發(fā)表級的統(tǒng)計(jì)分析結(jié)果。”

甚至在一些稍早的廣告公眾號文章里，溫州醫(yī)科大學(xué)這位同學(xué)發(fā)布的論文成了正面的宣傳案例，“抓住一個(gè)研究目標(biāo)，換個(gè)疾病就能復(fù)制粘貼出多篇文章”，這種方法適合“急需文章”的人群。公眾號的目標(biāo)也很明確，推銷論文定制與“個(gè)性化”服務(wù)。

02 期刊開始收緊標(biāo)準(zhǔn)

今年很多出版商已經(jīng)對此做出了限制。Frontiers 將這種方式炮制的論文稱為“快速生產(chǎn)的科學(xué)”（Fast-churn science），指出這類研究會(huì)“讓期刊充斥著低質(zhì)量、重復(fù)性的發(fā)現(xiàn)”。

2024 年年中，F(xiàn)rontiers 的編輯部注意到一個(gè)異常現(xiàn)象：基于孟德爾隨機(jī)化的投稿量在短時(shí)間內(nèi)激增。緊隨其后，又出現(xiàn)了一波大量使用美國國家健康與營養(yǎng)檢查調(diào)查（NHANES）公共數(shù)據(jù)集的論文。

佛羅里達(dá)大學(xué)教授 Arch G. Mainous III 指出。大型公共數(shù)據(jù)庫中可調(diào)用的變量數(shù)量極其龐大，當(dāng)可用變量足夠多時(shí)，研究者只需不斷調(diào)整變量組合，憑借純粹的數(shù)據(jù)篩選制造出看似顯著的相關(guān)性。

他直言，這些數(shù)據(jù)庫本來是許多重要流行病學(xué)研究和疾病負(fù)擔(dān)評估的基礎(chǔ)工具，問題在于，一些研究并非從清晰的科學(xué)問題出發(fā)，而是反其道而行之.先在數(shù)據(jù)中尋找顯著性，再為結(jié)果補(bǔ)寫假設(shè)。

"由于可用變量太多，一些投機(jī)團(tuán)體似乎只是構(gòu)建一個(gè)龐大的變量矩陣，通過窮舉相關(guān)性來尋找統(tǒng)計(jì)學(xué)顯著結(jié)果。這些分析中缺失的，是具有明確結(jié)果的假設(shè)”。Mainous說。

Mainous 進(jìn)一步指出，嚴(yán)肅的研究還必須考慮 NHANES 這類美國數(shù)據(jù)集所依賴的社會(huì)背景與制度條件，以及研究結(jié)論在其他國家和文化情境下是否成立的問題。但在大量涌現(xiàn)的稿件中，這些討論往往被完全省略。

“不幸的是，這些在科學(xué)上存疑、但在統(tǒng)計(jì)學(xué)上顯著的關(guān)系，恰恰可以被論文工廠用作待售稿件的基礎(chǔ)。”Mainous 說。只要結(jié)果顯著，論文被接收和發(fā)表的概率就會(huì)大幅提高。然而在進(jìn)行足夠多次統(tǒng)計(jì)比較的前提下，即便純屬偶然，也會(huì)有一些結(jié)果顯示出統(tǒng)計(jì)學(xué)意義。結(jié)果是，大量質(zhì)量可疑的稿件在短時(shí)間內(nèi)涌入期刊系統(tǒng)，給編輯和審稿人帶來了極大的壓力。

2024 年 7 月，F(xiàn)rontiers 成為首批對這一問題作出明確回應(yīng)的出版商之一。期刊宣布：所有基于健康數(shù)據(jù)集的孟德爾隨機(jī)化研究，必須提供獨(dú)立的外部驗(yàn)證。凡是僅依賴公共數(shù)據(jù)庫、缺乏新增驗(yàn)證數(shù)據(jù)或機(jī)構(gòu)數(shù)據(jù)支持的 MR 稿件，將在編輯初審階段直接被拒。

政策實(shí)施后的第一個(gè)月，F(xiàn)rontiers 接收到的 MR 投稿量下降了 61%。今年年初，F(xiàn)rontiers 又進(jìn)一步收緊了標(biāo)準(zhǔn)，明確要求所有“僅基于公共數(shù)據(jù)簡單查詢”的論文必須進(jìn)行外部驗(yàn)證。在新政策實(shí)施后，F(xiàn)rontiers 已累計(jì)拒絕了 5,513 篇孟德爾隨機(jī)化研究投稿（自 2024 年 7 月起），以及 1,382 篇基于 NHANES 數(shù)據(jù)的論文（自 2025 年 5 月起）[4]。

PLOS ONE也進(jìn)行了類似的改革。PLOS ONE總編輯 Emily Chenette 表示，PLOS 旗下的期刊收到的投稿量激增，這些論文通常在特定人群（如 35 歲以下的女性）中尋找健康狀況（如抑郁癥）與潛在原因（如維生素 D 水平）之間的統(tǒng)計(jì)聯(lián)系。研究人員推測，“論文工廠”可能正在大量產(chǎn)出此類論文，可能是通過AI進(jìn)行助力，并向研究人員出售。

PLOS ONE更新了“評估使用公開健康和社會(huì)科學(xué)數(shù)據(jù)庫進(jìn)行研究的標(biāo)準(zhǔn)”。PLOS 旗下期刊的編輯將自動(dòng)拒收基于這些數(shù)據(jù)集的論文，除非研究人員做了額外的后續(xù)工作（如實(shí)驗(yàn)）。Chenette 稱，在新政策實(shí)施的第一個(gè)月，此類論文的退稿率已從 40% 上升至 94%[5]。

一些專門領(lǐng)域也有同樣的現(xiàn)象。在藥物安全領(lǐng)域，基于FDA 不良事件報(bào)告系統(tǒng)（FAERS）的數(shù)據(jù)，進(jìn)行單一藥物及其與特定不良事件關(guān)聯(lián)的研究。2021 年，大約有 100 項(xiàng)。2024 年 ，這一數(shù)字達(dá)到了 600 項(xiàng)。

為了應(yīng)對論文泛濫的情況，《藥理學(xué)前沿》（Frontiers in Pharmacology）今年開始要求使用公共數(shù)據(jù)集的研究必須經(jīng)過獨(dú)立驗(yàn)證。 《藥物安全專家意見》（Expert Opinion on Drug Safety ）則在 7 月下旬決定完全停止接收使用 FAERS 數(shù)據(jù)庫進(jìn)行此類研究的稿件[6]。

參考文獻(xiàn)：

• [1] 溫州醫(yī)科大學(xué)大學(xué)生科研工作委員會(huì)辦公室. (2023, October 30). 關(guān)于做好溫州醫(yī)科大學(xué)2022年度本專科學(xué)生創(chuàng)新創(chuàng)業(yè)成果報(bào)送工作的通知. 溫州醫(yī)科大學(xué).
• [2] Maupin, D., Suchak, T., Barnett, A., & Spick, M. (2025, September 12). Dramatic increases in redundant publications in the Generative AI era (Preprint). medRxiv.
• [3] Suchak, T., Aliu, A. E., Harrison, C., Zwiggelaar, R., Geifman, N., & Spick, M. (2025). Explosion of formulaic research articles, including inappropriate study designs and false discoveries, based on the NHANES US national health database. PLOS Biology, 23(5), e3003152.
• [4] Frontiers Communications Editor, F. C. (2025, September 15). Cutting through fast-churn science: How Frontiers raised the bar. Frontiers | Science news.
• [5] O’Grady, C. (2025, October 8). Journals and publishers crack down on research from open health data sets. Science.
• [6] Travis, K. (2025, September 16). Exclusive: Journal bans drug safety database papers as they flood the literature. Retraction Watch.