核心内容总结
哥伦比亚大学顶尖科学家Maxim Topaz团队通过筛查250万篇生物医学论文发现：AI普及后，虚假引文（引用不存在的文献）在2023年到2026年初涨幅超12倍（从每万篇4条到56.9条），且98.4%的问题论文未被更正或撤稿。这些假引文多由AI生成，逼真难辨，尤其在综述论文中泛滥（比其他类型高57%），会层层传导误导临床决策和政策制定。团队呼吁行业在论文投稿前加入自动化引文核验，但落地面临体制和成本障碍。
详细解读
1. 从“中招”到调研：顶尖AI专家也被AI假文献骗了
Topaz自己就是研究医疗AI的专家，却差点栽在AI手里。他用AI工具润色一篇评论时，特意核对了所有引文，但AI还是偷偷加了一条完全不存在的假文献——直到期刊编辑质疑才发现。这件事让他后怕：连常年和AI打交道的人都中招，普通研究者更难防。于是他牵头调研，填补了“虚假引文流入正式论文比例”的空白——毕竟参考文献是科研的根基，根基烂了，整个科研大厦都不稳。
2. 虚假引文暴增12倍：98%问题论文仍在害人
团队筛查了247万篇论文、1.25亿条参考文献，得出两个惊人结论：
- 增长快：2023年每万篇论文仅4条假引文，到2026年初飙到56.9条，涨幅超12倍。时间点刚好对应AI大模型普及（2022-2023年）+论文发表周期（100-200天），说明AI是主要推手。
- 无人管：98.4%的问题论文没被更正或撤稿，还在公开数据库里被其他论文引用。以前行业以为这是“个别作者品行差”，现在发现是普遍现象——存量文献污染已经很严重。
团队能做这么大规模筛查，多亏Topaz的跨学科背景：临床知识帮他们区分“无心笔误”和“恶意造假”，数据科学技术实现自动化核验（多层级流程+人工校验，准确率91%）。
3. AI假引文更“坑”：从“写错”到“无中生有”
以前的引文错误多是“粗心”：比如页码写错、观点引用错，但文献本身是真的。AI生成的假引文则是“无中生有”——格式规范（像模像样的标题、作者、日期），作者还是业内真实专家，主题也贴合论文内容，普通同行评审根本看不出来。
危害升级了：以前是“证据质量差”，现在是“没有证据”。比如你写论文说“某药有效”，引用的文献根本不存在，那你的结论就是空中楼阁——直接切断了科学论证的链条。
4. 综述论文最危险：误导医生开药方、政策定方向
综述论文是引文造假的重灾区（每万篇16.7条假引文，比其他类型高57%），原因有三：
- 参考文献多：一篇综述可能引用上百篇文献，假引文容易混进去；
- 依赖AI：写综述要梳理大量文献，研究者最爱用AI辅助，刚好给了AI植入假引文的机会；
- 位置关键：综述是临床指南的基础（比如医生看的诊疗指南，很多是基于综述写的）。如果综述里有假引文，错误会层层传导——医生根据指南开的药、政策制定的医疗方案，都可能失去科学支撑。
5. 行业该行动了：投稿前核验最紧迫，但落地难
Topaz团队提出4项建议，其中最紧迫但最难落地的是“投稿前加自动化引文核验”：
- 技术成熟：他们的系统准确率91%，已经能用；
- 阻力在哪：出版商不愿花钱改流程（要投入资金调整审稿步骤），体制惯性大。
最难的是清理存量文献：几百万篇旧论文逐一筛查，成本太高，没人愿意担责。
Topaz最担心的是“恶性循环”：假论文被后续论文引用，甚至用来训练AI，造假内容会越传越多。他呼吁全球立刻行动——不是禁止AI，而是把“引文核验”变成投稿的必经步骤，让未经审核的AI内容进不了学术体系。
一句话总结
AI让造假变容易，但只要在投稿前加一道自动化核验的“关卡”，就能堵住大部分假引文——关键是行业愿不愿意迈出这一步。否则，生物医学科研的可信度会越来越低，最终受害的是患者和整个医疗体系。