Article contents · 10 sections
陷阱一：虚假参考文献，最常见的重灾区
表现：AI会生成格式完美、带DOI甚至PMID的文献，但实际并不存在。有研究让ChatGPT回答医学问题，59条参考文献中41条（69%）是编造的；2026年《柳叶刀》一项研究筛查250万篇生物医学论文的1.2亿条参考文献，发现4046条虚假引用、涉及2810篇论文，三年间发生率上升十几倍。
真实案例并不少见。2026年7月，PNAS撤回一篇以色列学者的评论文章，作者用Microsoft Copilot把PubMed ID转成格式化文献却未核实，十几篇文献大部分检索不到，图1也由AI生成。此前，香港大学一名博士生的论文因部分引用系AI虚构被撤，美国一名高中生的论文也因AI查文献未核验、并涉及同行评审操纵而被撤。
危害：编辑和审稿人一旦核实，直接质疑学术诚信，轻则退稿，重则撤稿。规避：任何AI给出的文献，都要到PubMed、Google Scholar或出版商官网逐条核实，确认标题、作者、期刊、年份、DOI一致且真实存在，绝不直接采用。
陷阱二：伪造医学数据与图片
表现：用AI生成病理、影像、实验结果图，或在图中篡改数据。2024年2月，Frontiers in Cell and Developmental Biology一篇中国学者论文中，AI生成的老鼠图解剖结构异常、信号通路图标签是乱码，发表3天即被撤稿。
同类事故还有：2025年Taylor & Francis旗下一篇论文，因图11由未披露的生成式AI创建、作者又无法解释，被期刊撤稿。危害：属于数据造假，是最严重的学术不端之一。COPE 2025年更新的撤稿指南，已把图像异常、虚构数据、未披露使用AI明确列为撤稿理由。规避：结果图必须来自真实实验或数据；AI只用于合规示意图并按规定披露；投稿前用原始数据比对每张图。
陷阱三：违背医学常识的“幻觉结论”
表现：AI可能给出错误的剂量、禁忌和机制解释，甚至把已被否定的疗法说成有效，语气却十分肯定。例如把药物的适用人群、安全剂量或相互作用讲错，这类错误在临床语境下尤其危险。危害：论文出现常识性硬伤，会让审稿人直接否定全部工作。
规避：所有医学事实性表述都要对照权威指南、教材和原始文献；关键数字（剂量、患病率、敏感性等）单独二次核实；对AI的“肯定语气”始终保持警惕，越是流畅自信的表述越要查证。
陷阱四：AI代写全文与论文工厂
表现：第三方机构或工具提供“全包”代写，往往批量使用AI生成，内容套路化、数据雷同，甚至伴随虚假同行评审。论文工厂的典型特征是模块化生产、不同稿件之间图表和文字高度相似。危害：论文工厂是国际出版界重点打击对象，成批撤稿会永久影响学术信誉，还可能牵连合作者和所在单位。
规避：不购买任何代写服务；论文的核心思想、数据和结论必须由作者完成；对“包发表、不见面、快速出稿”的服务一律拒绝。
陷阱五：AI“降重”洗稿
表现：用AI对已有论文做同义改写以规避重复率检测，语义却被扭曲，甚至改变原意。识别方法很简单：检查改写后的专业术语、数值和逻辑关系是否仍然准确，凡是只换词、不标注引用的，基本都有问题。危害：本质仍是剽窃，且改写后可能出现专业错误，重复率降了，学术问题反而更严重。
规避：正确做法是理解原文后用自己的话重新组织并规范引用，而不是靠工具换词；引用他人观点必须标注出处。
陷阱六：患者数据隐私泄露
表现：把含姓名、住院号、影像、病历原文的资料直接上传公共AI工具。需要注意，可识别信息不只是姓名，还包括罕见诊断组合、精确就诊日期、特殊职业等，组合起来同样可能锁定个人。危害：违反隐私与数据保护要求，一旦泄露本身即构成合规事故，后果严重。
规避：上传前彻底脱敏，去除一切可识别信息；优先使用机构授权、有数据保护承诺的工具；拿不准时一律不上传。
陷阱七：错误报告真实文献的内容
表现：文献是真实的，但AI对其结论的总结断章取义、张冠李戴。已有学者发现，ChatGPT会错误报告真实论文的内容。危害：引用与原意不符，审稿人若熟悉该文献，会直接认定为不严谨甚至误导。
规避：凡是引用某文献支撑的观点，必须读原文确认，不能只凭AI的摘要下结论。
陷阱八：迷信AI检测器，或以为不披露就能蒙混
表现：依赖AI检测器自证清白，或心存侥幸不披露。独立研究显示，AI检测器在学术文本上的误报率可达2%至41%，平均约14%至22%，非母语作者更易被误判；而经过简单编辑的AI文本，漏报率可达44%至47%，刻意混淆后更高。检测器既会冤枉人，也会漏判，不同检测器之间的结论也常常不一致。
危害：把不可靠的工具当依据，反而忽略了真正的义务——如实披露。规避：不把检测器结果当结论；主动、规范地披露AI使用，并保留自己核实和修改的记录。
结尾：真实性与合规性自查三步法
逐条核实：所有文献可在数据库检索、所有事实有原始出处、所有数据能回溯到原始记录，建议建立一张核对表逐条打勾。
专业判断：医学结论要经权威指南、原始文献或同行确认，对拿不准的内容主动请教，不盲信AI的流畅表述。
合规留痕：按期刊要求披露AI与图片的使用情况，保存好原始数据、提示词和修改记录，以备编辑核查。
请记住一句话：AI不会为你的论文负责，能负责的只有你自己。把核实做在投稿之前，才能让AI真正成为加分项而不是隐患。
参考资料
Alkaissi H, et al. Artificial hallucinations in ChatGPT: implications in scientific writing (PMC11975740). https://pmc.ncbi.nlm.nih.gov/articles/PMC11975740/
Topaz M, et al. Fabricated citations in biomedical literature. The Lancet (2026).
COPE. Authorship and AI tools; 2025 Retraction guidelines. https://publicationethics.org/
Gao CA, et al. ChatGPT and Bard spontaneous citation fabrication (PMC10424704). https://pmc.ncbi.nlm.nih.gov/articles/PMC10424704/
RAID benchmark for AI-generated text detectors (ACL 2024). https://aclanthology.org/2024.acl-long.674/