一套 AI 工具，一口氣把逾 25 萬篇癌症研究打上了「可疑」的標籤。根據 2026 年 7 月發表於《The BMJ》的一項研究（官方論文頁、QUT 新聞稿發布於 7 月 14 日），澳洲昆士蘭科技大學（Queensland University of Technology，QUT）團隊用 BERT 語言模型，掃描了 1999 至 2024 年間約 260 萬篇癌症論文，標記出 261,245 篇、約 9.87% 帶有「論文工廠」（paper mill）的寫作特徵。更刺眼的是趨勢：這個疑似占比從 2000 年代初的約 1%，一路升到 2022 年逾 16% 的高峰。
先把最重要的一句話放前面，而且要壓得很穩：這則新聞不是說「25 萬篇癌症研究已被證實造假」。 AI 抓的是「寫作長得像論文工廠產品」的統計特徵，是警訊，不是判決。研究團隊自己講得很清楚——被標記的論文不該被自動視為造假，這些是警示訊號、不是已確認的不當行為，每一篇仍需人工專家逐案審查。守不住這條線，這篇就會從「資訊識讀」變成「製造恐慌」。
這項研究到底做了什麼
論文工廠，是專門大量產製、販售假造或灌水科學論文的地下產業。它們常見的手法是套用固定模板、回收改寫既有句子、甚至偽造數據與圖片，讓一篇沒做過的實驗看起來像真的。
QUT 團隊的做法，是先用 Retraction Watch 資料庫裡已被撤稿、確認來自論文工廠的樣本 去訓練 BERT，讓模型學會這些造假論文在標題與摘要上的「語言指紋」，再拿去掃 260 萬篇真實文獻。模型在內部驗證集的準確率約為 0.91——也就是說，它抓可疑論文，大約十次對九次。這個 91% 是「驗證集」的數字，不是保證每一篇被標記的都有問題。
值得注意的是那條上升曲線。疑似論文占比在 20 年間翻了十幾倍，反映的是論文工廠這門生意，正隨著全球研究人員「衝發表數量」的壓力一起膨脹。假研究一旦混進文獻庫，就會被後續的綜述、臨床指引反覆引用，污染整條證據鏈，最終可能拖累到病患。
「標記」不是「定罪」：這條線一定要守住
為什麼要一再強調分寸？因為這類新聞最容易被讀成「原來癌症研究都是假的」，然後走向另一個極端——連正經研究、連醫師的建議都不信了。那反而更危險。
實情是：絕大多數癌症研究仍然可信，問題集中在特定的造假來源。 9.87% 被標記，意味著約九成的論文沒有被標記；而被標記的那一成裡，也還混著「寫作風格剛好雷同」的無辜者，要靠人工一篇篇查才算數。AI 在這裡扮演的是「初篩的探照燈」，把值得人類細看的可疑角落照出來，不是替誰蓋章定罪。
這也正好呼應了一個更大的觀察：AI 是雙面刃。同樣的生成式技術，一邊被論文工廠拿去量產假論文，一邊又被 QUT 這樣的團隊拿來反過來抓假論文。工具本身沒有立場，決定它是矛還是盾的，是人。
對台灣讀者的真正意義：學會分辨，別只信單篇
我要下的判斷是：這則新聞對一般人（尤其是病患與家屬）最實用的價值，不是記住「25 萬」這個數字，而是建立一套查醫學資訊的判斷習慣。 當可疑論文占比爬到一成以上，你在網路上、在社群裡看到的「最新研究發現 X 能抗癌」，有相當比例可能來自不可靠的來源。與其被單篇標題牽著走，不如記住幾個能自己動手查的訊號：
- 看它登在哪裡。 有同儕審查、聲譽穩定的期刊，把關比來路不明的付費速刊嚴。期刊名字查不到、或收錢就登的，先打問號。
- 看是不是臨床試驗、規模多大。 細胞或動物實驗的「有效」，離「人吃了有效」還很遠。單一小樣本的驚人結論，別急著當定論。
- 看有沒有被撤稿。 一篇論文若已被撤回，代表學界已對它打上大問號。這正是 Retraction Watch 這類資料庫存在的意義。
- 別只信一篇。 真正站得住的結論，通常是多個獨立團隊反覆驗證、被系統性綜述收斂後的共識，不是某一篇「石破天驚」的單打獨鬥。
這套「看來源、看證據等級、交叉查證」的習慣，跟我們一直講的數據引用原則是同一回事——不能點到、看不到那個數字出處的說法，就先別全信。當你用 AI 聊天機器人查健康問題時，這條更要記牢：它給的答案同樣可能建立在被污染的文獻上，把 AI 當成急症判斷或健康決策的依據仍有風險，有疑慮請找醫師、急症打 119。
要補一句必要的冷水：這篇研究本身也是「工具進展」，不是「終審判決」。它示範的是「用 AI 大規模初篩可疑論文」這件事可行、且問題規模比想像中大；至於哪些真的造假、該不該撤，仍是學界與期刊要接手的長路。就像AI 加速藥物研發或首個面向病患的 AI 醫材獲審一樣，AI 是把關與加速的幫手，最後拍板的仍該是人與制度。
常見問題
這代表我讀到的癌症研究都是假的嗎？
不是。這項研究標記出約 9.87% 的論文帶有論文工廠的寫作特徵，意味著約九成並未被標記；而且「被標記」只是可疑訊號，不等於已證實造假，還需人工逐案審查。正確的理解是：絕大多數癌症研究仍可信，問題集中在特定造假來源，而不是整個領域不可信。
AI 說一篇論文「疑似論文工廠」，就代表它造假了嗎？
不代表。AI 抓的是「寫作風格與已知造假論文相似」的統計特徵，屬於警訊等級。研究團隊明確表示，被標記的論文不該被自動視為不當行為，每一篇都需要人類專家進一步查核。有可能只是寫作風格剛好雷同的無辜論文，也可能真的有問題——差別要靠人工確認。
準確率 91% 是什麼意思？可信嗎？
這個數字指的是模型在「驗證集」（用已知造假與已知正常論文組成的測試資料）上的表現，大約十次能正確辨識九次。它是研究環境下的評估數字，說明這套初篩方法相當有參考價值，但不代表每一篇被標記的真實論文都一定有問題。把它當成「值得人類細看」的訊號，而不是最終判定。
一般人怎麼分辨可信的醫學資訊？
記住幾個能自己查的訊號：一看登在哪個期刊（有同儕審查、聲譽穩定的較可靠）、二看是不是規模夠的臨床試驗（細胞或動物實驗離人體效果還很遠）、三看有沒有被撤稿（可查 Retraction Watch）、四是別只信單篇，真正的共識來自多個團隊反覆驗證。有健康疑慮時，這些能幫你過濾雜訊，但最終仍應諮詢醫師。
參考來源
- The BMJ 官方論文頁：Machine learning based screening of potential paper mill publications in cancer research（DOI 10.1136/bmj-2025-087581）
- PMC 全文（260 萬篇、261,245 篇＝9.87%、準確率 0.91 等原始數字）
- ScienceDaily:AI flags more than 250,000 suspicious cancer research papers（1%→16% 趨勢與『警訊非定罪』原話）
- EurekAlert:New tool exposes scale of fake research flooding cancer science（QUT 新聞稿，7 月 14 日）
- Retraction Watch：追蹤學術撤稿的資料庫（讀者可自行查一篇論文是否被撤回）