熟悉的数据库名称并不等于质量标签：通讯文章认为，公共数据库研究的风险在于科研如何被生产

一项科学计量分析估计，九个被高频复用的健康数据集在一年内产出逾11500篇超出既往趋势的论文；Medicine Discovery发表的一篇通讯文章（Correspondence）认为，问题并不出在数据库本身

公共生物医学数据库已成为科研诚信讨论的焦点。近年来，编辑、出版机构与主要科学媒体纷纷关注到，基于可广泛获取的数据集所产出的论文数量快速攀升，被反复提及的资源包括美国国家健康与营养调查（NHANES）、英国生物样本库（UK Biobank）、美国食品药品监督管理局不良事件报告系统（FAERS）、全球疾病负担（GBD）研究以及FinnGen等。Medicine Discovery发表的一篇通讯文章（Correspondence）认为，这一讨论存在把两件事混为一谈的风险：一是旨在拓宽数据可及性的科学基础设施，二是利用这一基础设施的科研生产方式。

这篇题为《旧数据，新问题：生成式人工智能时代公共数据库研究的再思考》的通讯文章，开篇即明确陈述其核心论断。正如作者所指出的：“我们的核心论点是，公共数据库研究的质量有赖于研究过程，而数据库名称所能提供的关于科学质量的信息很少。”

发文量的快速变化

Spick、Onoja及其同事近期开展的一项科学计量分析考察了36个健康数据集，识别出其中9个的发文模式符合快速、模板化扩张的特征。该研究于2026年1月3日检索OpenAlex中2014年至2025年的文献记录，以标题或摘要中出现的数据集术语为线索，并以2014年至2022年作为预测基线，将2025年发文量高于95%置信区间的数据集判定为异常增长。这9个数据集在2025年产出了23005篇索引文献；自回归积分滑动平均模型估计，其发文量较既往趋势超出11577篇，而2022年这9个数据集的发文量为7655篇。

该通讯文章将这些数字理解为对发文规模的描述，而非对任何单篇论文的判定。文章同时援引Suchak及其同事的另一项研究——后者记录了基于NHANES的模板化论文急剧增加，并归纳出若干反复出现的问题，包括单一暴露分析、生物学上难以成立的结论、选择性使用调查周期，以及错误发现控制薄弱。作者将这些视为问题提出、研究设计、统计推理与发表实践层面的失误，而非数据来源本身的缺陷。作者写道，"同一批数据，既可能支撑出色的科学，也可能产出薄弱的科学。"

问题不在数据库

该通讯文章认为，数据库本身几乎不携带质量信息；而当数据来源出现在标题、摘要或方法部分时，编辑初筛很容易在无意之间把数据来源当作研究质量的替代指标。NHANES源自美国一项长期开展的国家健康检查项目，1999年起转为连续性调查；其设计在复杂的概率抽样框架下，将访调数据与体格检查、实验室检测相结合，可支持具有全国代表性的健康估计。美国国家卫生统计中心（NCHS）现行指南强调应就调查周期作具体分析决策，并就抽样加权与方差估计给出指引。研究者使用这批数据已有数十年，而近期发文量的激增出现在调查体系及其公开文档早已建立之后。在作者看来，这一时间关系指向的是研究生产环境的变化，而非数据资源本身的变化。

英国生物样本库被该通讯文章视为同一道理在更大尺度上的体现。其招募工作早于当前生成式人工智能时代，该资源通过深度表型刻画与长期随访，旨在支持关于疾病病因的广泛研究；其科学价值来自规模、数据链接、重复测量、影像、遗传、生物标志物与前瞻性结局。因此，高发文量本就是"为广泛复用而设计"的资源的预期结果，发文量本身几乎无法说明方法学质量。作者指出，一项好研究可能用熟悉的队列去回答一个困难的问题，而一项薄弱研究也可能把时髦方法套用在一个已被广泛研究的问题上、只是换用了新的数据集。

生成式AI改变了什么

该通讯文章认为，生成式AI改变了二次数据研究的成本结构。大语言模型可以支持二次数据项目的多个环节，从代码生成到稿件撰写。2023年的一项评估显示，ChatGPT能够生成看似合理的科学摘要，人类审稿人有时难以将其与真实摘要区分开来；作者指出，该研究支持的是语言生成能力，而AI对分析质量与发表速度的更广泛影响仍需另行取证。另一项针对出版数据的分析发现，2022年之后发表的论文变得更长、引用更多文献。由研究者主导的AI辅助可以支持编码、语言编辑等边界明确的任务，而更为自主的工作流则可能把AI的参与延伸至问题形成与分析规划环节。

文章以明确的措辞区分了"辅助"与"自主"。作者写道，"当研究者保有科学控制权并如实披露AI的使用情况时，正当的AI辅助与负责任的研究并不冲突。"他们同时指出，以发表为驱动的工作流可大幅压缩重复性工作所需时间，这就构成了一条通往快速模板化生产的可能路径，尽管该做法的实际规模仍是一个有待实证回答的问题。

当这条路径遇上标准化的公共数据集时，其效率进一步提升。NHANES这样的资源包含数百个变量、多个调查周期、常见结局与详尽文档。一旦建成可复用的分析流程，暴露A可以替换为暴露B，结局X可以替换为结局Y，亚组M可以替换为亚组N；自动化代码可以轮番运行各种模型，语言模型可以生成叙述文字，而一篇稿件也就能具备常规流行病学论文的表面特征。当可能的问题空间足够大时，搜索统计显著性变得十分容易，作者将其描述为"自动化假设捕捞"（automated hypothesis fishing）的现实风险。他们的关切指向开放数据周边的科研工作流，而非开放数据本身。

对科研训练与研究文化的影响

该通讯文章认为，这一转变对青年研究者有直接影响。公共数据集曾以较低成本为学习者提供流行病学、生物统计学、可复现代码与科学写作的训练机会，作者指出今天依然如此；生成式AI同样在重塑学习环境，既有研究既肯定了其教育潜力，也强调了给予适当指导的必要性。在作者看来，风险在于当前的发表文化所奖励的东西：当成功以"从一个数据集中产出多少篇稿件"来衡量时，受训者便会学会优化产出数量；而当导师与期刊奖励清晰的问题、可辩护的方法、重复验证与透明分析时，同一批数据集就会成为极佳的训练场。作者写道，"我们认为，决定性的变量是研究文化。"

期刊可采取的三项行动

该通讯文章提出三项可由编辑政策落地的行动。第一，期刊可要求基于高频复用资源的研究提供一份简短的数据集专属方法说明：在NHANES研究中，该说明可解释调查周期的选择以及加权与方差估计的处理方式；对于被重复使用的队列，作者可补充一段简述，说明与既往报道的重叠情况。作者认为，此类要求可与研究规模相称，从而为小型团队保留参与机会，也支持合理的重复研究。

第二，期刊可强化分析与AI使用环节的透明度。公共数据研究在条件允许时可提供分析代码，以及足以复现变量构建过程的元数据。文章认为，预注册对确证性问题尤为有用，而探索性分析则应明确标注为探索性、并作为假设生成来解读。作者还可报告生成式AI是否参与了问题形成或分析规划。这与国际医学期刊编辑委员会（ICMJE）关于披露AI使用、并由人类对投稿作品持续负责的指引一致，也与出版伦理委员会（COPE）关于透明报告AI使用的要求相符。

第三，该通讯文章认为，编辑初筛可聚焦于研究实施本身，而非数据来源。审稿人可考察分析样本是否由所研究的问题推导而来、数据结构是否得到正确处理，并评估多重检验的处理方式与敏感性分析的作用；相似度工具则有助于识别高度重复的投稿。作者建议，边界情形可交由独立的方法学评审或编辑申诉程序处理。他们给出的结论是：编辑决策应立足于科学评估，而不是数据库名称。

本文未作何主张

该通讯文章是一篇基于已发表文献的评论性文章，并非新实验数据的报告，作者也未提供新的实证分析。文中引用的增长数字来自一项针对索引文献记录的科学计量预测分析，描述的是发文规模而非单篇论文的科学质量；发文量高于预测趋势本身，并不构成任何具体论文不可靠的证据。同样，2022年之后论文变长、引用增多的现象描述的是文献中的一种趋势，并不能证明AI工具导致了研究质量的变化。作者提出的治理措施属于对编辑政策的建议，而非经过效果验证的干预方案；文中讨论的数据集举例也仅具示例性质。作者强调，这些公共资源仍持续支撑着严谨的流行病学、疾病监测、方法学开发、重复验证与政策相关研究；熟悉的数据库名称不应被读作质量低下的证据，正如AI的可见使用也不应被读作学术不端的证据。他们主张，任何编辑层面的应对都应与研究规模保持相称。

展望

作者写道，"生成式AI降低了论文生产的技术门槛与语言门槛，这使人类的科学判断变得更加重要。"NHANES、英国生物样本库、FAERS、GBD、FinnGen及其同类资源，仍是有价值的科学基础设施；研究质量来自每一项分析背后的推理与方法学细致程度。该通讯文章总结认为，编辑政策可以通过数据集专属文档与透明报告要求作出回应，而科学评审则应始终以每一项研究本身为中心。

文章信息：

Old data, new problem: rethinking public database research in the era of generative AI.

Medicine Discovery, 2026.

原文链接：https://www.sciencedirect.com/science/article/pii/S3117928226000020

DOI：10.1016/j.medd.2026.100002

期刊简介

Medicine Discovery（ISSN: 3117-9282）是由南方医科大学珠江医院主办、与科爱（KeAi）合作出版、通过ScienceDirect平台全球发行的同行评审国际开放获取期刊。期刊致力于发表连接机制发现与临床实施的高质量转化医学研究，设有五个栏目，涵盖机制与系统医学、转化与临床研究、数字医疗与数据驱动型医疗保健、治疗创新与生物医学工程，以及方法学、标准与实施科学。

官网：https://www.sciencedirect.com/journal/medicine-discovery

投稿：https://www.editorialmanager.com/medd/default2.aspx

 

---

---