YZ kanseri bu yıl tedavi etmedi. Ama çeyrek milyon sahte kanser araştırmasını ortaya çıkardı.

YZ kanseri bu yıl tedavi etmedi. Ama çeyrek milyon sahte kanser araştırmasını ortaya çıkardı.

Bilim dünyasında uzun süredir konuşulan ama boyutunu tam olarak kimsenin ölçemediği bir sorun, 2026 başında The BMJ’de yayımlanan bir çalışmayla somut rakamlara döküldü. Queensland Teknoloji Üniversitesi’nden istatistikçi Adrian Barnett ve ekibinin (Baptiste Scancar, Jennifer A. Byrne, David Causeur) yürüttüğü araştırma, kanser literatürünün önemli bir kısmının “paper mill” (makale fabrikası) ürünü olabileceğini gösterdi.

Paper mill nedir?

Paper mill’ler, hazır veya yarı hazır bilimsel makaleler üretip yazarlık satan ticari kuruluşlardır. Müşteriler (genellikle yayın baskısı altındaki araştırmacılar) para ödeyerek isimlerini bu makalelere ekletir. Makaleler çoğu zaman şablonlara dayanır: benzer cümle yapıları, yüzeysel gerekçeler, tutarsız bölümler, yanlış reaktifler, uydurma veri ve yeniden kullanılan ya da Photoshop’lanmış görseller içerir. Retraction Watch verilerine göre son 20 yılda 400.000’den fazla şüpheli paper mill makalesi yayımlandı. Bu iş modelinin yıllık geliri on milyonlarca doları buluyor.

Araştırmanın yöntemi

Ekip, Retraction Watch veritabanındaki 2.202 geri çekilmiş paper mill makalesini (çoğunlukla kanser odaklı) kullanarak bir BERT tabanlı dil modeli eğitti. Model yalnızca başlık ve özet metinlerine bakarak “şablon benzeri” yazım kalıplarını tanımayı öğrendi. Bağımsız doğrulama setlerinde (görüntü bütünlüğü uzmanlarının derlediği listeler) yaklaşık %91 doğruluk, %87 duyarlılık ve %96 özgüllük elde etti. Araştırmacılar bunu “bilimsel spam filtresi” olarak nitelendiriyor: e-posta filtrelerinin istenmeyen postaları ayıklaması gibi çalışıyor.

Model daha sonra PubMed’deki 1999-2024 yılları arasında yayımlanmış 2.647.471 orijinal kanser araştırma makalesine uygulandı. Sonuç: 261.245 makale (%9,87; %95 güven aralığı 9,83-9,90) şüpheli olarak işaretlendi. Bu oran, biyomedikal literatürdeki genel paper mill tahmini olan yaklaşık %3’ün üç katından fazla.

Zaman içinde dramatik artış

İşaretlenen makalelerin oranı 2000’lerin başında yaklaşık %1 seviyesindeyken, 2022’de %16’nın üzerine çıktı. 2023-2024’te hafif bir düşüş görüldü; bu, yayıncıların tepkisi veya paper mill’lerin yeni (daha az tespit edilebilir) şablonlara geçmesiyle açıklanabilir. Artış hem genel literatürde hem de etki faktörü en yüksek %10’luk dergilerde gözlendi. Yani sorun düşük etkili dergilerle sınırlı değil.

Hangi alanlar ve ülkeler daha fazla etkileniyor?

• Kanser türleri: Mide (~%22), kemik (~%21), karaciğer (~%20) kanserleri en yüksek oranlara sahipti. Özofagus ve yumurtalık kanserleri de öne çıktı.
• Araştırma türü: Moleküler kanser biyolojisi ve erken laboratuvar araştırmaları (temel bilim) en yoğun etkilenen alanlardı. Klinik çalışmalar görece daha az işaretlendi.
• Coğrafya: Çin kurumlarına bağlı makalelerin yaklaşık %36’sı (170.000’den fazla) işaretlendi. İran (~%20), Suudi Arabistan, Mısır ve Pakistan da yüksek oranlar gösterdi. Avustralya gibi ülkelerde oran çok daha düşüktü (%2 civarı).

Çoğu büyük yayıncıda (yüksek etkili dergiler dahil) önemli sayıda işaretli makale tespit edildi. Üstelik işaretli makaleler, temiz makalelere göre yaklaşık iki kat daha fazla atıf alıyor; bu da sahte çalışmaların kendilerini güçlendiren bir atıf döngüsü yarattığını gösteriyor.

Üretken YZ riski

Araştırmacılar, üretken YZ’nin (ChatGPT benzeri araçlar) bu sorunu daha da kötüleştireceğini açıkça uyarıyor. Eski paper mill’ler sabit şablonlara dayanıyordu; bu yüzden metin kalıpları tespit edilebiliyordu. Üretken YZ ile her makale daha özgün görünebilir, dil daha akıcı hale gelebilir ve insan incelemesinin yakalayamayacağı ölçekte üretim mümkün olur. Barnett ve ekibi, araçlarının “dünün sahtecilik stilini” yakaladığını, gelecekteki üretken YZ destekli üretimlerin çok daha zor tespit edileceğini belirtiyor. Üç dergi şu anda bu modeli editoryal tarama için test ediyor.

Neden önemli?

Kanser araştırmaları doğrudan klinik rehberleri, ilaç geliştirmeyi, klinik denemeleri ve doktorların tedavi kararlarını etkiler. Sahte çalışmalar gerçek kanıtlarla aynı havuzda yarışır. Meta-analizleri bozar, yanlış biyobelirteç veya hedef proteinlere yönlendirir, fonları ve araştırmacı zamanını boşa harcar. Gerçek bir atılım, sahte YZ veya paper mill gürültüsü altında gömülü kalabilir. Hastalar için bu, gecikmiş veya yanlış yönlendirilmiş tedaviler anlamına gelebilir.

Sınırlamalar ve dikkat edilmesi gerekenler

Model “işaretleme” yapıyor, kesin sahtecilik iddiasında bulunmuyor. Yanlış pozitif oranı (yaklaşık %9-10) nedeniyle bazı gerçek makaleler de işaretlenmiş olabilir. Sadece başlık ve özet kullanıldığı için tam metin, görseller veya veri tutarsızlıkları yakalanmıyor. Non-native English yazarların yazım tarzı veya dil düzeltme yazılımları bazen yanlış alarm üretebilir. Çin’deki yüksek oran, yayın baskısı ve sistemik sorunlarla ilişkilendirilse de, modelin dil özelliklerine duyarlılığı da rol oynuyor olabilir. Nihai karar her zaman insan uzman incelemesine bırakılmalıdır.

Sonuç

Bu çalışma, paper mill sorununun kanser araştırmalarında sanılandan çok daha büyük ve hızla büyüyen bir kriz olduğunu gösteriyor. YZ hem sorunu büyütüyor hem de (şimdilik) tespit etmeye yardımcı oluyor. Yayıncılar, fon sağlayıcılar, üniversiteler ve dergiler ortak hareket etmezse, bilimsel literatürün güvenilirliği daha da aşınacak. Gerçek ilerleme, sahte gürültüden ayrılabilmek için hem teknolojik hem de kurumsal reformlara ihtiyaç duyuyor.

Kaynak: Scancar B, Byrne JA, Causeur D, Barnett AG. Machine learning based screening of potential paper mill publications in cancer research: methodological and cross sectional study. BMJ 2026;392:e087581.