AIが260万本のがん論文を精査、25万本超に「論文工場」の疑い——ただし“不正の断定”ではない

ある研究チームが、1999年から2024年までに出た約260万本のがん研究論文をAIで一気に精査したところ、25万本を超える論文に「怪しい書き方の特徴」が見つかった、と報告しました。あやしさの中身は、内容を売り買いする業者——いわゆる「論文工場」——がつくったとされる論文と、文章のパターンがよく似ている、というものです。

ただし最初に一つだけはっきりさせておきたいことがあります。これは「25万本が不正だと分かった」という話ではありません。あくまで「もっとよく調べたほうがいい候補」として目印が付いた、という段階です。ここを取り違えると、話がまるごと変わってしまいます。

論文工場という問題

「論文工場（ペーパーミル）」とは、お金を払えば論文の著者の座や、できあがった論文そのものを売ってくれる業者のことです。研究者は業績として論文の数を求められる場面が多く、その需要を当て込んで、中身の薄い論文や、データをでっち上げた論文を工業的に量産している、と指摘されています。

やっかいなのは、こうした論文が本物にまぎれて学術誌に載ってしまうことです。とくにがん研究は、臨床試験や新しい薬の開発、患者さんの治療方針にまで影響します。でたらめな研究が土台に紛れ込むと、まじめな研究者がそれを信じて時間を無駄にし、結果として患者のための進歩が遅れかねない。今回の研究を主導したクイーンズランド工科大学（オーストラリア）のエイドリアン・バーネット教授は、そこに強い危機感を示しています。

AIが見つけた「怪しさ」の規模

チームがつくったのは、論文の文章から論文工場らしさを見分けるAIです。これで260万本を通したところ、261,245本——全体のおよそ10%——に、すでに撤回された論文工場製の論文とよく似た書き方の特徴が見つかりました。

数字そのものより、研究者が驚いたのはその増え方でした。フラグ（＝怪しいという目印）が付いた論文の割合は、2000年代初頭には全体の1%ほどだったのが、年々じわじわと上がり、2022年には16%を超えていました。しかもこの傾向は、無名の雑誌だけの話ではありません。影響力の大きい上位1割の学術誌でも、フラグの付いた論文の割合が近年は増えていました。分野で見ると、分子レベルのがん生物学や、実験室でおこなう基礎研究に多く集まっていたそうです。

AIは何を手がかりにしているのか

ここは誤解されやすいので、ていねいに書いておきます。このAIが読んでいるのは、論文のタイトルと要旨（アブストラクト＝冒頭の短い要約）の文章だけです。画像の使い回しや、あやしい統計そのものを見抜いているわけではありません。

仕組みはこうです。まず、Retraction Watch（撤回された論文を集めたデータベース）から、論文工場由来として撤回された論文2,202本を教材にして、AIに「論文工場らしい文章の癖」を学ばせました。使ったのはBERT（文章の並びやパターンを読み取る言語モデル）です。そのうえで、専門家が別に集めた問題論文のリストで性能を確かめると、怪しい論文を約9割の精度で当てられたといいます。

なぜ文章だけで見分けられるのか。バーネット教授は、論文工場が定型の「ひな型」に沿って論文を量産しているらしいことを理由に挙げています。同じテンプレートから作れば、文章の言い回しや構成に共通の癖が残る。その癖を、言語モデルなら拾える、というわけです。教授はこれを「科学版のスパムフィルター」と表現しています。迷惑メールを仕分ける仕組みと同じ発想で、見慣れたパターンに合う論文に目印を付けている、と考えると分かりやすいかもしれません。

「フラグ」と「不正」は同じではない

もう一度、いちばん大事なところに戻ります。このAIがやっているのは統計的なふるい分けであって、個々の論文が不正だと断定しているわけではありません。研究チーム自身が、フラグは「もっと調べるべき候補」を示すものであり、目印が付いた論文は一本ずつ専門家が確認する必要がある、とはっきり述べています。

約9割という精度は高いように見えますが、裏を返せば取りこぼしや誤検出もあるということです。本物の論文がたまたま似た書き方をしていてフラグが付くこともあれば、逆にすり抜ける論文もある。だから「25万本の不正が見つかった」ではなく、「25万本を超える論文が、より詳しい調査の対象として浮かび上がった」と受け取るのが正確です。

これからどう使われるか

この研究の狙いは、犯人探しそのものより、問題の規模を可視化することにあります。人手ですべての論文を精査するのは不可能に近い。だからこそ、まずAIで怪しい候補をざっと絞り込み、そこに人の目を集中させる——学術誌の編集部が投稿論文をふるいにかける入口として、こうしたツールが役立つ可能性があります。

一方で、皮肉な事情もあります。生成AIの進歩は、論文工場の側にとっても追い風になり得ます。文章や画像を自動でそれらしく作れるようになれば、偽論文はますます見分けにくくなる。検出する側とごまかす側が、同じ技術で追いかけっこをしている構図です。今回のツールは、その追いかけっこで検出側が持てる新しい道具の一つ、という位置づけになります。