|
がん科学における不正研究の規模は、これまでの推定よりもはるかに大きい可能性がある。クイーンズランド工科大学、シドニー大学、フランスCNRSの研究者チームが、微調整されたBERT言語モデルを適用し、1999年から2024年に発表された2,647,471件のがん研究論文をスクリーニングした。結果：261,245件の論文（9.87％）がペーパーミル——研究者に販売するため、捏造または盗用された原稿を大量生産する商業組織——に特徴的な文章パターンを示した。
The BMJに発表されたこの研究は、ペーパーミル汚染のためのがん文献の体系的なスクリーニングとしては最大規模である。その割合は時間とともに急激に上昇し、2000年代初頭の約1％から2022年には16％超のピークに達し、2023〜2024年にはわずかに低下した。
検出の仕組み
このモデルは、GoogleのBERT base uncased（1億1000万パラメータ）をベースに構築され、Retraction Watchデータベースから「ペーパーミル」タグで撤回された2,202件の論文で微調整された。これらは陽性例として機能した——文章スタイル、構造、語彙パターンがテンプレートベースの原稿工場の出力と一致する論文である。陰性対照として、チームは高インパクトジャーナルとペーパーミルの少ない国（スウェーデン、フィンランド、ノルウェー、台湾）から2,202件の論文を選んだ。
モデルはタイトルと要約を一文ずつ読み、それぞれに確率スコアを生成する。最終的な分類は、すべての文レベルのスコアの平均である。内部検証では、モデルは91％の精度、87％の感度、96％の特異性を達成した。画像整合性の専門家が独自にフラグを付けた3,094件の論文からなる外部検証セットに対しては、精度は93％に上昇した。
地理的および出版社のパターン
フラグが付けられた論文は均等に分布していない。第一著者の国別では、中国が177,907件のフラグ付き論文を占め——中国の第一著者による全がん論文の36％にあたる。イラン（20％）、サウジアラビア（16％）、エジプト（15％）、パキスタン（13％）がそれに続いた。米国は10,511件のフラグ付き論文で、がん研究全体の約2％であった。
出版社別では、最も高い割合は小規模な組織に集中していた：Verduci Editore（フラグ付き論文約67％、主にEuropean Review for Medical and Pharmacological Sciences）、International Scientific Literature（45％、主にMedical Science Monitor）、Spandidos Publications（38％、19,043件）。大手出版社の中では、Springer Nature、Elsevier、Wileyがそれぞれ約10％のがん論文にフラグが付けられており、絶対数ではこれらは相当な数であった——Springer Natureだけで40,293件だった。
がんの種類別では、胃がん研究の割合が22％で最も高く、続いて骨／骨肉腫（21％）、肝臓（20％）であった。基礎がん生物学は臨床領域よりも汚染されており：生存、疫学、健康政策研究のフラグ率は2％未満だった。
すでに試験導入している3つのジャーナル
ある大手出版社の3つのジャーナルがすでにこのモデルをオンライン投稿システムに統合し、がん関連の原稿をリアルタイムでスクリーニングしている。ジャーナル名は開示されていない——著者らはペーパーミルがテンプレートを適応させるのを防ぐために意図的に伏せている。
「これは統計的なスクリーニングであり、不正行為の認定ではありません」と著者らは論文で注意を促している。文献中の真の有病率が約10％と推定される場合、フラグが付けられた論文の約30％は偽陽性となる。
重要な注意点
このモデルは、中国の著者による撤回を過剰に代表するRetraction Watchデータで訓練されており、地理的バイアスを導入する可能性がある。さらに、モデルはディープニューラルネットワークであるため、検出する具体的な特徴は直接説明可能ではない。著者らは、モデルが非ネイティブスピーカーによる定型的な英語を不利に扱い、言語パターンを詐欺パターンと混同する可能性があることを認めている。
また、軍拡競争の問題もある：検出ツールが改善されるにつれて、ペーパーミルはテンプレートを適応させるだろう。生成AIの台頭は、真正なテキストと捏造されたテキストの境界をさらに曖昧にすると著者らは指摘している。
出典
- Scancar B, Byrne JA, Causeur D, Barnett AG. 「Machine learning based screening of potential paper mill publications in cancer research: methodological and cross sectional study.」 The BMJ 392:e087581, 2026. DOI：10.1136/bmj-2025-087581
- クイーンズランド工科大学プレスリリース（ScienceDaily経由）