编译|李思辉 王悟诚

“布鲁氏菌病在170个国家流行。”过去两年，人畜共患病研究者乔治奥斯·帕帕斯（Georgios Pappas）越来越频繁地在一些学术论文中看到这句话。

这让他感到困惑。几十年来，他一直关注和研究布鲁氏菌病。他几乎阅读过所有相关文献，也经常为多家同行评议医学期刊担任审稿人。他的一个基本判断是，布鲁氏菌病传播范围确实很广，但“170个国家”这个数字似乎并无根据。

近日，帕帕斯在《原子科学家公报》（Bulletin of the Atomic Scientists，简称BAS）撰文称，他追查医学文献后发现，类似表述已出现在117篇相关论文中。随着科学家越来越多地使用人工智能（AI）辅助写作，这个没有可靠出处的数字，可能正在被继续复制和放大。

图为AI生成

帕帕斯是来自希腊约阿尼纳的医生，长期关注人畜共患病，尤其是布鲁氏菌病研究。据他介绍，布鲁氏菌病是一种细菌性疾病，可引起发热、关节炎等症状。人可能因接触动物、饮用未经巴氏消毒的乳制品、食用未煮熟肉类而感染。这种疾病难以治疗和根除。

据2023年的一项估算，全球每年新增人类布鲁氏菌病病例约210万例。帕帕斯的母国希腊，就是欧盟中该病确诊病例最多的国家。

虽然这种疾病传播范围较广，但并不等于它“在170个国家流行”。帕帕斯在检索医学文献后发现，2020年以前，相关表述似乎只出现在10篇论文中。此后，它出现得越来越频繁：2024年有27篇，2025年有25篇，接着变成上百篇。而这些论文中有70%来自中国。

这些文章的表述并不完全相同。有的说布鲁氏菌病“在170个国家流行”，有的说“在超过170个国家有报告”。帕帕斯认为，前一种说法是错误的；后一种说法如果有充分参考文献支撑，或许还有讨论空间，但“170”这个数字本身仍显得过大。

帕帕斯进一步追查后发现，在他找到的117篇相关论文中，没有一篇能够充分支撑“170个国家流行”这一说法。

具体而言，35篇论文直接写下这一数字，却没有提供任何参考文献；另有4篇论文又引用了这些没有参考文献的论文。其他论文虽然列出了参考文献，但这些文献同样不能证明“170个国家”这个结论。

有26篇相关论文引用了帕帕斯2006年发表在《柳叶刀·传染病》上的一篇论文，来支撑相关说法。但帕帕斯表示，“他和合作者在那篇论文中从未提到类似内容。”还有2篇论文错误引用了他2005年发表在《新英格兰医学杂志》上的一篇布鲁氏菌病综述。

更令人震惊的是，他发现有一篇论文竟引用了一项关于果蝇的研究，来证明布鲁氏菌病“存在于170个国家”。此后，又有3篇论文继续把这项果蝇研究当作证据。

帕帕斯认为，问题并不只是某篇论文写错了一句话，而是一条错引链条已经形成。后来的作者未必核查原始出处，只要看到前人这样写，就可能继续照搬。那些指向不相关或错误论文的参考文献，很可能使用了AI工具。

公开报道显示，在2024年发表并被医学文献数据库（PubMed）收录的科学论文中，超过13%的文章带有AI辅助的痕迹。近年来，大语言模型（LLM）已发展成为许多研究人员的实用稿件辅助工具，但作者很少报告他们对这些服务的依赖程度。

“这种增强技术或许是良性的，仅用于改进写作风格、语法或句法。但它也可能带来风险。如果作者使用AI生成内容，他们不仅损害了自身的学术诚信，也损害了整个科学界的声誉。AI生成的内容可能出错；平台仍然会产生幻觉，并助长谬误。”帕帕斯说。

为了测试AI如何处理这一问题，帕帕斯向多个AI平台提问：“人类布鲁氏菌病是否在170个国家流行？”结果显示，多数模型都不同程度接受了“布鲁氏菌病已在170个国家报告”的说法，却没有给出准确可靠的来源。

在帕帕斯的测试中，ChatGPT认为，布鲁氏菌病已在170个国家或地区有报告，但这并不意味着它在所有这些地方都是地方性流行病。Google Gemini也给出类似回答，并引用了一些并不真正支持该说法的来源。Claude则同意布鲁氏菌病在170个国家为地方性流行病，但可能并非在所有国家“同样”流行。

微软Copilot似乎是例外，它指出文献中存在误解，并认为“170个国家”这一说法可能并非来自原始科学文献，而是由错误引用和研究者假设共同造成的。

近年来，学术出版生态正受到“垃圾出版物”的侵蚀。帕帕斯指出，一种被称为“掠夺性期刊”的出版物尤其受到关注。它们往往打着学术期刊和同行评审的旗号，以收取作者出版费用为主要目的，但实际审稿把关并不严格，甚至只要付费就可以发表论文。

他指出，这类期刊里充斥着AI生成内容的论文，也会反过来影响AI平台对科学文献的判断。据估计，这类期刊数量可能高达1.5万种。

问题在于，即使一些粗制滥造的论文被撤回后，AI工具还可能继续引用它们。

帕帕斯表示，已有研究显示，ChatGPT经常引用被撤稿或存在问题的研究来佐证观点，甚至将一些被撤稿研究评价为“世界领先”“国际优秀”或“接近世界领先”。

一个名为亨利·洛文多夫（Henry Lowendorf）的读者评论道，科学界乃至更广泛的社会群体对“同行评审”这一标准的依赖本身就存在一些不合理的假设，即审稿人会利用日益有限的时间认真阅读并权衡论文内容。

另外一位读者克雷格·诺萨克（Craig Northacker）则认为，在虚假信息不断扩散的背景下，普通公众判断信息可信度正面临严峻挑战。

当错误信息在期刊论文中反复出现，它就可能被误认为公认的科学真理，并继续被论文和人工智能系统引用。

面对117篇写错同一个数字的论文，帕帕斯也在犹豫：是否该给每一家期刊编辑写信，要求修改、标注甚至撤稿？

帕帕斯认为，捍卫真相的责任在于科学家和学术界——“论文中的每一句话，与公众的每一次科学互动，我们进行的每一次同行评审，我们发表的每一篇论文，都必须严谨细致并以事实为依据。”

“或许我应该开始写这些信了。”他说。

相关文章链接：

https://thebulletin.org/2026/05/why-are-so-many-scientific-articles-wrong-about-the-disease-i-study/