Они изучили поток статей, связывающих различные факторы с заболеваниями, и обнаружили тревожную тенденцию: после 2021 года количество таких работ резко выросло, а их качество — упало.

Исследователи проанализировали публикации, основанные на данных американского национального опроса NHANES (о здоровье и питании). Если до 2021 года выходило по 4 статьи в год, то в 2022-м — уже 33, в 2023-м — 82, а в 2024-м — 190.

Результаты опубликованы в издании PLOS Biology.

Мэтт Спик, соавтор исследования, объясняет:

ИИ помогает науке, но он же создает идеальный шторм, угрожающий ее достоверности. Мы видим статьи, которые выглядят научно, но разваливаются при проверке. Это «научная фантастика» — авторы берут открытые данные, обрабатывают их алгоритмами и выдают за факт. Журналы и рецензенты не справляются с таким потоком, и в итоге страдает качество науки.

Проблема в подходе: многие работы поверхностны. Ученые ищут связь между одним фактором и болезнью, игнорируя комплексные причины. Некоторые выбирают узкие наборы данных без объяснений — похоже на «подгонку» результатов.

Тулси Сучак, ведущий автор, предлагает простые решения:

Мы не против ИИ или открытых данных, но нужны базовые проверки. Например:

• Прозрачность: какие именно данные использовали и почему.
• Рецензенты-статистики для сложных расчетов.
• Отказ от публикации исследований, где анализируют только один фактор.

Команда также советует журналам:

• Чаще отклонять шаблонные статьи на этапе первичной проверки.
• Ввести ID для отслеживания, как используют открытые данные (как в британских медбазах).

Анити Алиу, соавтор, резюмирует:

В эпоху ИИ науке нужны новые правила. Наши предложения помогут отсеивать слабые работы без вреда для прогресса.

Исследование упускает важный момент: возможно, рост числа статей связан не только с ИИ, но и с общей тенденцией к «публикационной гонке». Ученые вынуждены чаще публиковаться — отсюда и поток низкокачественных работ.

Ценность данного исследования — в конкретных рекомендациях. Проблему «мусорных» статей обсуждают давно, но здесь предложены работающие механизмы: статистические рецензенты, трекинг данных. Если внедрить их, наука станет чище без замедления прогресса.

Ранее мы дали общие рекомендации для начинающих, как писать научную статью.