Sztuczna inteligencja namierzyła ćwierć miliona podejrzanych prac o raku

Zespół z Queensland University of Technology w Australii zbudował narzędzie oparte na modelu językowym BERT, które przeszukało 2,6 miliona prac naukowych o raku opublikowanych w latach 1999-2024. Program oznaczył ponad 250 tysięcy z nich jako podejrzane, wykazujące te same wzorce językowe co artykuły wcześniej wycofane za powiązania z tak zwanymi paper mills, czyli firmami produkującymi fałszywe badania na zamówienie.

Autorem badania kieruje profesor Adrian Barnett ze School of Public Health and Social Work oraz Australian Centre for Health Services and Innovation na QUT, we współpracy z międzynarodową grupą badaczy. Wyniki opublikowano w czasopiśmie The BMJ, a szeroki rozgłos praca zyskała dopiero w połowie lipca 2026 roku, gdy komunikaty prasowe uczelni i agencji naukowych rozniosły się po światowych mediach.

Jak działa filtr

Zamiast analizować obrazy, wykresy czy surowe dane, do których dostęp przy milionach publikacji jest praktycznie niemożliwy, badacze skupili się wyłącznie na tytułach i abstraktach. Model BERT wytrenowano na ponad dwóch tysiącach prac onkologicznych już wycofanych z powodu udowodnionych powiązań z paper mills, ucząc go rozpoznawać charakterystyczne dla nich wzorce: powtarzalne frazy, sztywne konstrukcje zdaniowe i schematyczne opisy metodologii.

Zbudowaliśmy właściwie naukowy filtr spamu - Adrian Barnett, Queensland University of Technology

W testach na zestawie zweryfikowanych przykładów narzędzie trafnie identyfikowało podejrzane prace w 91 procentach przypadków wewnątrz zbioru treningowego i w 93 procentach na danych zewnętrznych, przy specyficzności przekraczającej 96 procent. To oznacza, że model rzadko fałszywie oskarża uczciwe badania, choć autorzy podkreślają, że oznaczenie nie jest dowodem oszustwa, a jedynie sygnałem do dalszej weryfikacji.

Skala zjawiska

Najbardziej niepokojący jest trend w czasie. Na początku lat 2000. podejrzane prace stanowiły około 1 procent rocznej produkcji naukowej w onkologii. Do 2022 roku odsetek ten wzrósł do 16 procent, a w całym badanym okresie średnio wyniósł niemal 10 procent. Problem nie ogranicza się do słabych czasopism drugiej kategorii: udział podejrzanych prac rósł również w tytułach o wysokim współczynniku wpływu, sięgając ponad 10 procent w ostatnich latach.

Badacze zauważyli też wyraźne różnice geograficzne. Wśród publikacji powiązanych z chińskimi instytucjami odsetek oznaczonych prac sięgnął 36 procent, znacznie powyżej średniej globalnej. Najwięcej podejrzanych tekstów skupia się w biologii molekularnej nowotworów oraz we wczesnoetapowych badaniach laboratoryjnych, a wśród typów nowotworów szczególnie często dotyczy to prac o raku żołądka, wątroby, kości i płuc.

Paper mills to firmy, które sprzedają fałszywe lub niskiej jakości badania naukowe. Produkują badania na skalę przemysłową - Adrian Barnett, Queensland University of Technology

Dlaczego to ma znaczenie dla pacjentów

Onkologia nie jest przypadkową dziedziną tego eksperymentu. Wyniki publikacji naukowych o raku wpływają bezpośrednio na projektowanie badań klinicznych, decyzje o finansowaniu terapii i praktykę lekarską przy łóżku pacjenta. Jeśli w bazie wiedzy, na której opierają się kolejne badania i metaanalizy, znajdują się dziesiątki tysięcy sfabrykowanych wyników, ryzyko błędnych wniosków klinicznych rośnie w sposób trudny do oszacowania, ponieważ fałszywe dane bywają cytowane przez lata, zanim ktokolwiek je zakwestionuje.

Problem paper mills narastał od dawna, ale dotąd nie istniało narzędzie zdolne ocenić jego skalę na milionach publikacji naraz. Ręczna weryfikacja pojedynczych prac przez recenzentów czy śledczych integralności naukowej trwa tygodnie lub miesiące, podczas gdy fabryki papierów produkują nowe manuskrypty w tempie przemysłowym, sprzedając miejsca w kolejce autorskiej i gotowe teksty z podstawionymi danymi.

Co dalej z narzędziem

Trzy czasopisma naukowe już testują system jako element wstępnej selekcji redakcyjnej, jeszcze przed wysłaniem manuskryptu do zewnętrznych recenzentów. Zespół z QUT zastrzega jednak wyraźnie, że wynik działania modelu nie jest ostatecznym dowodem oszustwa i każde oznaczenie musi zostać zweryfikowane przez ludzkich specjalistów zajmujących się integralnością badań naukowych, zanim padnie jakikolwiek zarzut wobec autorów.

Dla polskich instytucji naukowych i wydawców czasopism sprawa jest istotna niezależnie od geografii badania. Jeśli narzędzia typu BERT trafią do standardowego procesu redakcyjnego globalnych wydawnictw, polscy badacze publikujący w międzynarodowych czasopismach onkologicznych mogą spotkać się z dodatkowym etapem automatycznej kontroli tekstu, zanim ich praca trafi do recenzentów. To zmiana zbliżona do wprowadzania detektorów plagiatu sprzed dekady, tyle że tym razem celem jest wykrywanie całych sfabrykowanych badań, nie tylko przepisanych fragmentów.