Khủng hoảng niềm tin trong khoa học: AI phát hiện hơn 261.000 bài nghiên cứu ung thư nghi giả mạo
Cứ 10 bài báo nghiên cứu ung thư được công bố trong suốt 25 năm qua, có thể có một bài là giả. Đó là kết luận đáng lo ngại từ một nghiên cứu mang tính bước ngoặt được đăng trên tạp chí The BMJ.
Một nhóm nhà khoa học do Đại học Công nghệ Queensland (QUT) ở Australia dẫn đầu, đã triển khai công cụ AI học máy để phân tích hơn 2,6 triệu bài báo chủ đề nghiên cứu ung thư, và đã phát hiện hơn 261.000 bài có dấu hiệu là sản phẩm của các xưởng sản xuất bài báo giả.
Những con số gây chấn động
Bên cạnh số bài bị vạch trần là có dấu hiệu ngụy tạo, phân tích xu hướng cũng cho kết quả đáng báo động không kém. Các bài giai đoạn đầu những năm 2000 bị đánh dấu là giả chỉ chiếm khoảng 1% số bài báo nghiên cứu ung thư hàng năm. Đến năm 2022, con số này đã vọt lên trên 16%. Tốc độ tăng trưởng này gần như song hành với sự mở rộng của tệ nạn sản xuất bài giả trong cùng giai đoạn.
Một số loại nghiên cứu ung thư bị ảnh hưởng nặng hơn. Ung thư dạ dày có tỷ lệ bài bị đánh dấu giả cao nhất với 22%, tiếp theo là ung thư xương (21%) và ung thư gan (20%). Ung thư thực quản và ung thư buồng trứng cũng nằm trong nhóm đáng chú ý.
Sự tập trung số lượng bài báo giả theo khu vực địa lý cũng rất rõ rệt. Hơn 170.000 bài bị đánh dấu có liên kết với các tổ chức tại Trung Quốc, chiếm 36% tổng số bài báo nghiên cứu ung thư của nước này trong khung thời gian khảo sát.
"Thật không may, nghiên cứu ung thư là mục tiêu lớn của loại bài báo ngụy tạo này," Adrian Barnett, nhà thống kê học tại QUT và là tác giả chính của nghiên cứu cho biết. "Một phần vì uy tín của lĩnh vực ung thư. Có rất nhiều tạp chí chuyên về ung thư. Một phần vì nghiên cứu cơ bản vốn là mục tiêu dễ nhắm tới của các xưởng bài giả, bởi việc bịa đặt dữ liệu ở mảng này tương đối dễ dàng".
Sự gian lận không giới hạn ở các tạp chí vô danh hoặc xếp hạng thấp. Trong phân tích bổ sung trên hơn 33.000 bài đăng tại 20 tạp chí ung thư phân tử có chỉ số tác động cao từ năm 2012 đến 2023, nhóm của Barnett phát hiện khoảng 4.000 bài có dấu hiệu là sản phẩm của xưởng bài giả, chiếm hơn 12%. 19 trong 20 tạp chí chứa bài đáng ngờ, với ngoại lệ duy nhất là Nature Cancer.
"Có một giả định rằng các sản phẩm từ xưởng sản xuất bài báo giả chỉ xuất hiện trên các tạp chí có chỉ số tác động thấp. Nhưng nghiên cứu của chúng tôi cho thấy điều đó không đúng".
Adrian Barnett
Ngành công nghiệp đen tối đằng sau báo cáo khoa học giả
Xưởng bài báo giả là các tổ chức hoạt động hòng kiếm lợi nhuận, chuyên sản xuất bản thảo khoa học gian lận và bán cho các nhà nghiên cứu cần bài đăng để tô điểm lý lịch học thuật. Khác với đạo văn truyền thống hay việc ngụy tạo dữ liệu cá nhân, các xưởng bài giả vận hành ở quy mô công nghiệp.
Báo cáo năm 2022 của Ủy ban Đạo đức Xuất bản (COPE) và Hiệp hội Nhà xuất bản Khoa học, Kỹ thuật và Y khoa Quốc tế (STM) ước tính, sản phẩm của các xưởng bài giả chiếm từ 2% đến 46% số bản thảo gửi đến các tạp chí khoa học.
Mô hình kinh doanh của xưởng bài giả xoay quanh các khuôn mẫu có sẵn: tái chế thiết kế thí nghiệm, bịa đặt dữ liệu, chỉnh sửa hình ảnh, và chèn vào những cụm từ bất thường hay méo mó nhằm qua mặt phần mềm phát hiện đạo văn.
Thành phẩm sau đó được bán cho các nhà nghiên cứu, thường ở những quốc gia nơi thăng tiến sự nghiệp phụ thuộc nặng nề vào số lượng bài đăng và độ phủ của các tạp chí mà bài báo xuất hiện.
Trong một số trường hợp, một bộ dữ liệu bịa đặt hoặc hình ảnh bị thao túng có thể xuất hiện trong hàng chục nghiên cứu được cho là độc lập với nhau.
Tuy nhiên, phát hiện đáng lo ngại nhất đến từ phân tích mô hình trích dẫn bên dưới các bài báo giả này, được trình bày chi tiết trên bioRxiv.
Nhóm nghiên cứu phát hiện rằng các bài báo từ xưởng bài giả nhận được lượng trích dẫn gấp khoảng hai lần so với các bài thật trong cùng tạp chí. Điều này là dấu hiệu rõ ràng cho thấy, nghiên cứu gian lận đã kịp “cắm rễ” sâu vào hệ thống tài liệu khoa học.
Cơ chế thao túng trích dẫn rất tinh vi và có tổ chức. Các bài bị đánh dấu trích dẫn các bài bị đánh dấu khác một cách bất thường, cho thấy các xưởng bài giả đang hệ thống hóa việc trích dẫn chéo giữa các sản phẩm ngụy tạo. Khi một nhà nghiên cứu mua bản thảo từ xưởng bài giả, họ có thể không chỉ nhận được một bài đã đăng mà còn cả các trích dẫn đến bài đó trong tương lai. Đó là những trích dẫn dọn đường sẵn cho các sản phẩm tiếp theo của xưởng bài giả.
Hiệu ứng này lan truyền lên tầng tạp chí khoa học. Ở một số ấn phẩm, các bài nghi vấn chiếm hơn một nửa tổng số trích dẫn nhận được. Tại hai tạp chí Molecular Cancer và Journal of Experimental & Clinical Cancer Research, 57% trích dẫn đến từ các bài bị đánh dấu. Việc thao túng trích dẫn có tổ chức đang thổi phồng chỉ số tác động của các tạp chí ung thư phân tử, bóp méo thước đo mà nhà nghiên cứu, nhà tài trợ và các tổ chức sử dụng để đánh giá chất lượng khoa học.
René Aquarius, nhà nghiên cứu phẫu thuật thần kinh tại Trung tâm Y khoa Đại học Radboud (Hà Lan), cho biết các điều tra viên liêm chính nghiên cứu đã nghi ngờ kiểu thao túng này từ lâu, nhưng tới nay mới có công trình chi tiết xác nhận vấn nạn đó.
Huấn luyện AI để "đánh hơi" hàng giả
Công cụ trung tâm của nghiên cứu trên The BMJ được xây dựng trên nền tảng BERT, một kiến trúc mô hình ngôn ngữ do Google phát triển. Barnett và các đồng nghiệp đã điều chỉnh BERT thành một bộ phát hiện gian lận, huấn luyện nó trên 2.202 bài báo nghiên cứu ung thư đã bị rút lại vì liên quan đến xưởng bài giả. Những bài bị rút lại này lấy từ cơ sở dữ liệu Retraction Watch, nguồn tài liệu được sử dụng rộng rãi để theo dõi các ấn phẩm khoa học bị thu hồi.
Nguyên lý hoạt động tương tự như huấn luyện chó nghiệp vụ. Bằng cách cho mô hình tiếp xúc với hàng nghìn bài giả đã được xác nhận, nhóm nghiên cứu dạy mô hình "đánh hơi" những dấu tích ngôn ngữ tinh vi mà các xưởng bài giả để lại. Đó có thể là các cấu trúc câu lặp đi lặp lại, khuôn mẫu cụm từ đặc trưng, cách mô tả giả thuyết cùng kết quả rập khuôn xuất hiện liên tục trong các bản thảo ngụy tạo. Mô hình tập trung phân tích tiêu đề và tóm tắt, những phần có thể truy cập công khai ở quy mô lớn và chứa đủ tín hiệu để phân biệt giữa bài báo nghi vấn và bài báo thật.
Khi kiểm định trên bộ dữ liệu gồm một danh sách các bài có vấn đề do các điều tra viên tổng hợp, công cụ đạt độ chính xác khoảng 91%. Sau đó, nhóm nghiên cứu triển khai mô hình trên kho dữ liệu lấy từ PubMed, cơ sở dữ liệu tài liệu y sinh lớn nhất thế giới.
Quy mô của vấn đề đã thúc đẩy phản ứng ngày càng mạnh mẽ từ ngành xuất bản. Tháng 9/2025, Hiệp hội Hóa học Hoàng gia Anh công bố hợp tác với Enago để tích hợp sàng lọc bản thảo bằng AI vào quy trình nộp bài. Tháng 11/2025, tạp chí Nghiên cứu Internet Y khoa JMIR áp dụng hệ thống "Signals Manuscript Checks" trên toàn bộ danh mục tạp chí, đánh giá bản thảo về các dấu hiệu đáng ngờ liên quan đến liêm chính nghiên cứu trước khi bài báo đến tay chuyên gia phản biện.
Ngoài các sáng kiến của từng tạp chí, nhiều nền tảng phát hiện chuyên biệt đã xuất hiện. Clear Skies, một công ty hoạt động trong lĩnh vực liêm chính nghiên cứu đã cung cấp hệ thống “Papermill Alarm” cho các nhà xuất bản. Công cụ này sử dụng phân tích mạng lưới, một khái niệm vay mượn từ công nghệ phát hiện gian lận ngân hàng, để gán điểm rủi ro cho các bản thảo.
Các nhà nghiên cứu của tại học Toulouse (Pháp) cũng xây dựng phần mềm Problematic Paper Screener, có khả năng quét khoảng 130 triệu ấn phẩm khoa học hàng tuần bằng 9 thuật toán khác nhau. Công cụ này đã góp phần nhận diện và thu hồi hàng trăm bài báo nghi vấn.
Thông cáo báo chí của QUT cũng cho biết, công cụ AI của Barnett và cộng sự đang được ba tạp chí khoa học thí điểm để sàng lọc các bài báo.
Các hệ thống sàng lọc dựa trên AI này được thiết kế để bổ trợ chứ không thay thế, phán đoán hay biên tập. Chúng đánh dấu bài báo để con người xem xét kỹ hơn chứ không đưa ra phán quyết tự động. Như nhóm của Barnett nhấn mạnh, không có công cụ phát hiện nào là hoàn hảo, và quyết định cuối cùng về việc một bài báo là thật hay giả phải thuộc về con người.
Tuy nhiên, công cụ AI dù mạnh mẽ và đã có kết quả cụ thể, vẫn đi kèm những hạn chế đáng kể.
Thứ nhất là lỗi dương tính giả. Một số bài báo “người thật, việc thật” có thể có đặc điểm ngôn ngữ trùng một cách ngẫu nhiên với sản phẩm ngụy tạo. Lý do có thể vì tác giả không phải người nói tiếng Anh bản ngữ, nên sử dụng cách diễn đạt tương tự, hoặc vì một số lĩnh vực chuyên ngành tự nhiên mặc định tạo ra tóm tắt theo khuôn mẫu.
Barnett thừa nhận sau kiểm tra 33.000 bài tại 20 tạp chí: "4.085 bài bị đánh dấu có lẽ bao gồm một số nghiên cứu thật. Nhưng với cỡ mẫu lớn, những trường hợp đó sẽ không làm thay đổi các mô hình chung trong phát hiện của chúng tôi". Ông nhấn mạnh, công cụ này được thiết kế để nhận diện các "nghi phạm", không phải để phán xét dứt khoát bất kỳ bài báo đơn lẻ nào.
Thứ hai, mô hình chỉ phân tích tiêu đề và tóm tắt. Những xưởng bài giả sử dụng chiến lược ngôn ngữ tinh vi hơn như thay đổi khuôn mẫu, thuê biên tập viên chau chuốt ngôn ngữ, hoặc sử dụng mô hình ngôn ngữ lớn để tạo văn bản, vẫn có thể lọt qua được bộ lọc.
Thứ ba là vấn đề thiên lệch. Theo João Phillipe Cardenuto, nhà khoa học pháp y kỹ thuật số tại Đại học Campinas (Brazil), sự hiện diện quá mức của các bài báo từ Trung Quốc trong dữ liệu huấn luyện có thể khiến mô hình học các đặc điểm của lối viết tiếng Anh khoa học kiểu Trung Quốc, thay vì các dấu hiệu thực sự gắn liền với gian lận. Việc tách bạch dấu hiệu mang tính văn hóa khỏi các dấu hiệu viết bởi xưởng bài giả vẫn là một thách thức chưa được giải quyết.
Hậu quả của một hệ thống tài liệu nghiên cứu bị “vấy bẩn” bởi gian lận vượt xa việc thổi phồng lý lịch cá nhân hay thao túng chỉ số tác động.
Bài báo giả đi vào hệ sinh thái trích dẫn và trở thành viên gạch xây dựng cho các nghiên cứu khác. Các đánh giá tổng quan hệ thống dựa trên khối lượng lớn tài liệu đã công bố. Nếu một phần đáng kể trong khối tài liệu đó là bịa đặt, các đánh giá được coi là "tiêu chuẩn vàng" của y học dựa trên bằng chứng này sẽ bị tổn hại, và các hướng dẫn lâm sàng theo sau có thể dẫn bác sĩ đi sai hướng.
Một nghiên cứu riêng năm 2024 trên medRxiv đã tìm thấy bằng chứng trực tiếp về sự "ô nhiễm" gây ra bởi bài báo giả trong các đánh giá tổng quan hệ thống trên toàn ngành khoa học sự sống.
Nghiên cứu của Barnett vừa là chẩn đoán vừa là cảnh báo. Các công cụ AI được phát triển để soi nghiên cứu gian lận đang ngày càng tinh vi hơn, nhưng các xưởng bài giả cũng vậy.
AI tạo sinh đang là chủ lực của giới khoa học trong hỗ trợ phát hiện gian lận, nhưng cũng đang giúp các tổ chức xấu sản xuất bản thảo giả dễ dàng hơn bao giờ hết, một động thái mà các nhà nghiên cứu tại KFF mô tả là cuộc chạy đua vũ trang công nghệ.
Với cộng đồng khoa học, kỷ nguyên mặc định coi nghiên cứu đã được công bố là đáng tin cậy có lẽ đã kết thúc.
.jpg)