超過七成生物醫學論文用了 AI 寫作：這組數字和你讀到的健康知識有什麼關係

2026 年 8 月 25 日，IT之家引述外媒 phys 報導了一項研究：由 Lena Holzwarth 帶頭的研究團隊，分析了 PubMed Central 平臺上超過 119 萬篇英文生物醫學論文，發現 2025 年約 77% 的論文出現了 AI 輔助寫作或編輯的明顯特徵。這個比例在 2023 年是 19%，2024 年是 52%，一年之間跳了一大截。

先說結論：這件事不需要恐慌，但有幾個訊號值得你留意。因為生物醫學論文是很多健康新聞的源頭，你每天滑到的新知、養生建議、飲食研究，很多都是從這些論文一路轉譯過來的。源頭的寫作方式變了，你我在末端讀到的內容，品質樣貌自然也會跟著變。

研究到底是怎麼算出「77%」的

研究團隊用的方法很有意思。他們分析論文中的「AI 高頻用詞」，例如 delves、exacerbating、invaluable 這類字，再建立數學模型估算 AI 參與的比例。這些詞本來就存在於學術英文裡，但生成式 AI 興起後，它們出現的頻率明顯異常攀升，成為一種統計上的指紋。

換句話說，這個 77% 並不是說每篇論文都逐字由 AI 生成，而是指論文中「出現 AI 輔助寫作或編輯的明顯特徵」。可能是作者用 AI 潤飾文法，可能是用來整理段落結構，也可能程度更深。方法本身有其限制，用詞頻率估算是推估，誤差一定存在。但就算打個折扣，從 19% 到 77% 的趨勢方向，仍然相當清楚。

研究還拆得更細。2025 年，約 68% 的論文摘要、63% 的引言、58% 的結果部分、54% 的方法部分有 AI 輔助跡象，討論部分比例最高，約 78%。這個分布其實蠻合理：摘要和討論是最需要「把話說漂亮」的部分，也最容易被拿去請 AI 幫忙；方法和結果牽涉實驗細節與數據，作者通常會更謹慎地自己寫。

還有一個地區差異值得注意。韓國、中國等非英語母語地區的研究人員，2025 年使用 AI 輔助寫作的比例超過 80%，明顯高於英國、美國等英語母語國家。研究人員認為，這和 AI 工具能幫非英語母語作者改善語法和措辭有關。從這個角度看，AI 某種程度上降低了非英語研究者發表論文的語言門檻，這不全是壞事。

為什麼這和你讀到的健康資訊有關

你可能會想，學術圈用不用 AI 關我什麼事。關係其實比想像中直接。

生物醫學論文是健康資訊的上遊。媒體記者、部落客、社羣小編，都是從論文的摘要和結論裡抓重點，再寫成你手機上那則「最新研究顯示」。當上遊寫作方式改變，下遊的資訊品質也會受到影響。

研究團隊點出了幾個具體風險。大語言模型可能生成虛摸的事實和不存在的參考文獻，而且傾向用非常肯定的語氣呈現錯誤資訊。在一般文章裡，一個錯誤的引註頂多讓人查不到來源；但在醫學論文裡，一個憑空出現的參考文獻可能讓某個說法看起來有憑有據，進而影響後續研究的引用與延伸。這也是近年有研究開始追蹤醫學論文中虛假參考文獻數量增加的原因。

另一個風險是信任。部分作者沒有按照現有規範揭露 AI 使用情況。當讀者發現論文有 AI 痕跡卻未被告知，對科學研究的信任就會被一點一點磨掉。這種信任一旦流失，最先受影響的是那些確實嚴謹做研究、也誠實揭露的團隊，等於劣幣驅逐良幣。

面對這種狀況，研究團隊的建議並不是禁止 AI，而是建立更完善的使用規範和監管機制，在允許 AI 輔助科研寫作的同時，對事實核查、參考文獻真實性、AI 使用揭露這幾個環節提出明確要求。這個立場值得放在心上：與其糾結「能不能用」，更關鍵的是「用在哪裡、揭露了多少、誰來把關」。

身為讀者的你，可以怎麼保護自己

這裡提供幾個實際可做的檢查動作，不是要你對每篇研究都疑神疑鬼，而是遇到「改變你行為」的健康建議時，多花三十秒確認幾件事。

第一，看來源鏈。一則健康新聞若只寫「研究顯示」而不附上論文出處，你無從判斷證據強度。大型研究、系統性回顧、單一小規模研究、個案報告，這幾種層次的證據份量差很多。這個道理和我們之前在起點作者 AI 傳言那次聊過的類似，面對尚未證實的傳言該怎麼讀，先確認來源永遠是第一步。

第二，對「斬釘截鐵」的語氣多一分警覺。健康研究很少給出百分之百的答案，凡是「醫生再也不敢喫」「這食物徹底逆轉」這類句式，多半是轉譯過程中被加油添醋，或原始寫作本身就被 AI 的肯定語氣污染過。

第三，注意樣本與方法。一篇論文講的是細胞實驗、動物實驗，還是人體試驗？追蹤了多少人、追蹤多久？同一個結論在這三種情境下的意義完全不同。摘要看起來漂亮的，方法部分未必站得住腳。

第四，交叉比對。同一個主題若只有一篇研究支持，和有獨立的多個團隊重複驗證，可信度不同。這也呼應我們聊過的「速成車」召回數據那次：數字本身會說話，但要讀懂這組數據在提醒你什麼，得看它的脈絡和對照。

給自己也寫點什麼的人

這則新聞還有另一個切面。如果你平時寫作、寫報告、經營社羣，自己也會用 AI 幫忙潤稿，這份研究其實是一面鏡子。AI 幫你把語言弄順，這沒問題；但如果你把查證的責任也一併交出去，風險就來了。生成式工具給的參考資料，自己點開確認一下存在不存在、內容是不是真的那樣寫，這個動作在 2026 年的今天，已經是寫作者的基本功。

研究者自己也在適應同樣的事。論文裡 AI 潤飾摘要，和 AI 憑空編造數據，是兩個完全不同層次的問題。界線畫在哪裡，正是這份研究呼籲業界建立的規範。

最後，回到你的日常

你不需要因為這則新聞就停止相信健康研究。科學體系裡有同儕審查、有重複驗證、有後續研究者不斷回頭檢查前人成果，這些機制依然在運作。AI 滲入寫作是新的變數，不是體系的終結。

真正值得帶走的是這個習慣：讀健康資訊時，把「誰說的、證據多強、有沒有被其他研究支持」這三個問題放在心裡。源頭正在改變，你末端的閱讀方式，也值得跟著升級一下。這比恐慌，也比視而不見，都來得有用。