自从人工智能（AI）的普及以来，医学和健康研究变得不那么科学严谨，并且导致了大量的低质量期刊论文的泛滥。这些论文充满了基于“精心挑选”数据的浅层次分析。一项新的研究表明，依赖AI会导致大量公式化的单一因素分析，而更广泛的方法可能更好地评估疾病的多种可能原因。
据萨里大学和阿伯里斯特威斯大学的研究人员称，依靠AI来获得优势或捷径通常会导致研究人员将单一预测因子与特定健康状况联系起来。该团队在《PLOS生物学》杂志上发表的一篇论文中提到：“我们看到大量看似科学但实际上经不起审查的论文。”萨里大学的马特·斯皮克（Matt Spick）将这种输出描述为“科幻小说”。
对AI的日益依赖和炒作使得所谓的“论文工厂”更加高效。这些工厂以数量而非质量为目标，生产大量的医学或科学期刊论文。这些所谓的研究人员可以尝试利用“AI就绪”的数据集来确保“端到端地生成非常大量的手稿”。
萨里大学的研究发现，一些被评估的论文使用了未经正当理由的狭隘数据子集，这种做法引发了对不良研究实践的关注，包括数据挖掘或在看到结果后改变研究问题。
根据研究团队的观点，通过严格的同行评审和让统计学家更多地参与基于大型健康数据集的医学研究，可以帮助遏制这一趋势。研究人员需要更加努力地工作，并“除非有明确且充分解释的理由，否则应使用他们可用的全部数据集。”
萨里大学的安妮蒂·阿里乌（Anietie Aliu）表示，AI的日益使用意味着科学出版需要“更好的护栏”。
(全文结束)
