Machine learning based screening of potential paper mill publications in cancer research: methodological and cross sectional study

機械学習を用いたがん研究におけるペーパーミル投稿のスクリーニング：方法論的および横断的研究

　がん研究領域において、企業的に量産される偽論文（ペーパーミル投稿）は科学的根拠の信頼性を損なう懸念がある。本研究は、がん研究論文を対象にペーパーミル投稿と正規研究を識別する機械学習モデルを構築し、その性能を評価した。大量のがん研究論文データを用い、既知の疑義論文の文書特徴を学習させることで、潜在的なペーパーミル投稿をスクリーニングするフレームワークを設計した。モデルは、既知の偽論文パターンとテキスト構造上の痕跡を捉えるよう訓練され、既存サンプルに対して高い識別精度を示した。
　結果として、2010年代から2020年代にかけてがん研究文献における疑わしい論文の割合が増加している可能性が示唆された。本手法は査読前スクリーニングや編集プロセスの補助に資する可能性があるが、最終的な確定には専門的な人的評価が必要である（原文に基づく詳細な統計値は現時点で未公開）。臨床研究・医療政策における研究品質の維持と科学的不正防止に寄与する手法的進展である。

BMJ 2026 Jan 30:392:e087581　DOI: 10.1136/bmj-2025-087581
〔この記事はAIを使用して作成しています〕

# がん　# 偽論文　# ペーパーミル　# 不正防止　