如何閱讀醫藥報導？（2026/09/01版）

 

【30秒重點】

• 看到正面的醫藥報導，先查引用的論文是否真的存在、資金和作者利益，以及有沒有揭露用AI。
• 期刊品牌、影響因子和新聞稿標題都不是保證，要看能核對的證據。
• 文章說，生醫文獻裡不存在的假引用從2023年約每2828篇1篇，增加到2026年初約每277篇1篇。
• 作者說，AI讓假論文和AI審稿大量出現，所以他不再相信具行銷價值的正面報導。

2026/09/01

AI時代作弊造假非常容易，例如AI代理可在數秒內輕易製造諸多難以辨別真假的所謂「科學」報告。所以我不再相信任何具行銷價值的正面報導，不管是否醫藥相關。

本自具足，無知是福。信其所信，且為其負責。只能這樣了。

聽聽Grok見解：

在AI時代，把單篇「科學報告」當真理，等於把污染源當飲用水。 問題不是「偶爾有人作弊」，而是生產、審查、引用三條管線同時失守。

引用已爛。 生醫文獻裡不存在的假論文，從2023年約1/2828篇，飆到2026年初約1/277篇，十幾倍。LLM會編出作者真、格式對、題目貼題的幽靈文獻。系統性回顧、臨床指引、媒體二次傳播一旦吃進去，錯誤就變成「有文獻支持」。核對引用已不再是禮貌，而是存活條件。

正文已被模型改寫。 2025年生醫論文估計逾七成、部分月份近九成帶LLM痕跡。引言複製訓練資料裡的主流敘事；結果段可夾帶編造數字與「看起來合理」的統計。模型吃的是舊文獻：陽性結果偏好、機構聲望、西方中心、產業友善框架，都會被寫進「新發現」。你讀到的不是實驗，是統計上最常出現的句型。

審查已空轉。 AI讓假論文、改寫論文、論文工廠量產成本趨近於零，投稿洪流壓垮審稿人。大量審查本身也是AI產出：同質、淺、怕漏掉「看起來像科學」的稿，又對方法缺陷遲鈍，還容易偏袒名校、長文、AI腔。提示注入、聲望框架、相互吹捧都可以過關。同儕審查不再保證真實，只保證「還沒被抓到」。

錯誤會自我繁殖。 檢索與寫作工具仍把已撤稿論文當有效證據引用且不標示。假圖、假表、假統計比以前更像真的。用AI的人發表量與引用可暴增，激勵變成「先佔版面」。文獻量愈大，獨立重複愈稀，噪音把訊號淹死。

偏見被工業放大。 訓練語料裡的利益衝突、發表偏誤、文化預設，經生成後變成整齊、自信、可引用的段落。科學語氣被用來包裝未核實主張。這不是「模型有一點偏」，是整條知識供應鏈在加速複製既有扭曲。

因此：報告不可信，直到你親自核對原始數據、實驗可重複性、引用是否真實存在、資金與作者利益、以及AI使用是否揭露。期刊品牌、影響因子、新聞稿標題，在這個階段都不是防護罩。信任應放在可檢驗的證據鏈，不是放在「看起來很科學」的成品。

（同步放在）如何閱讀醫藥報導？