医学研究诚信与“简历注水”危机

系统性激励驱动低质量医学研究

医学学生正越来越多地利用自动化研究工具来生成大量具有误导性的或低质量的研究。这一趋势并非源于对科学发现的热情，而是受美国住院医师匹配过程中的系统性要求驱动，其中“研究产出”——以发表论文的数量而非质量来衡量——已成为在竞争激烈的专业中获得职位的关键指标。

“简历注水”循环

发表论文的压力源于医学学生评估方式的转变。一个重要的催化剂是 USMLE Step 1 执业考试从计分制转变为合格/不合格制。虽然此举旨在减轻学生的压力，但这一变化减少了住院医师项目组可用于区分候选人的“信号”。因此，项目组将更高的权重放在了其他指标上，特别是简历（CV）上的研究论文发表数量。

根据医学专业人士和学生的社区见解：

• 数量重于质量： 对于竞争极其激烈的住院医师项目（如神经外科、皮肤科或放射科），申请人提交 40-50 篇论文是并不罕见的。
• 指标博弈： 由于住院医师项目组往往优先考虑研究项目的数量而非工作的实际科学价值，学生们被激励去“博弈系统”，使用能够快速产出观察性研究或假设的工具。
• “研究年”： 许多学生现在会专门安排一个研究年来提高匹配成功的概率，这进一步使医学培训与临床实践脱离了关系。

同行评审的侵蚀

低质量投稿的激增给期刊的同行评审过程带来了难以维持的负担。人们越来越担心，同行评审正从一种科学质量控制机制转变为一种针对求职候选人的筛选工具。

“住院医师项目组已经决定将招聘决策的一部分外包给期刊的同行评审过程。因此，对于某些投稿，编辑和审稿人实际上并不是在进行科学同行评审，而是在为医院筛选求职候选人。”

这种转变破坏了同行评审的基本假设：即研究人员是在学术共同体内部诚信地行事。当学生们仅仅为了简历条目而发表论文，然后随后消失在临床职业生涯中时，学术共同体的传统社会和专业责任感便失效了。

对医学知识和公众信任的风险

“垃圾”研究——通常是 AI 生成的或基于有缺陷的观察性数据——的激增创造了一个危险的反馈循环。当误导性的研究发表在正规期刊上时，它们可能会被其他研究人员引用，或者被大语言模型（LLM）误解，进而将这些发现作为事实呈现给患者。

识别出的关键风险包括：

• AI 幻觉： LLM 可能会引用促销性的商业声明或被误解的医学期刊内容作为医学事实，从而为病情严重的患者提供一种“希望的幻觉”。
• 古德哈特定律： 这种情况是古德哈特定律的一个教科书级案例：“当一个指标变成目标时，它就不再是一个好指标了。”通过将发表论文的数量作为住院医师匹配的目标，医学界已降低了论文发表本身价值。

建议的解决方案与反论点

批评者和从业者提出了几种结构性变革建议，以应对这一趋势：

• 改变评估指标： 将学术奖励的重点从论文发表数量转向现有论文的复现以及对既定发现的挑战。
• 资金改革： 有人建议禁止使用 Medicare 培训资金来支付住院医师期间的研究费用，从而迫使研究必须由具有更严格监控和标准的既定来源资助。
• 透明度要求： 实施最低标准，要求研究人员必须分享其分析中的确切查询、设计选择和显式偏差，以防止“择优挑选”（cherry-picking）。
• 重新分类产出： 确保通过这些工具生成的研究所是否被明确标记为“观察性假设”，以供未来测试，而非作为确定性结论。