🔍 耿同学打假报告

论文信息

标题：Radiologist-like artificial intelligence for grade group prediction of radical prostatectomy for reducing upgrading and downgrading from biopsy
作者：Lizhi Shao, Ye Yan, Zhenyu Liu, Xiongjun Ye 等
期刊：Theranostics 2020; 10(22): 10200-10212
DOI：10.7150/thno.48706
发表年份：2020
论文来源：Radiologist-like_artificial_intelligence_for_grade.pdf

综合评定：🟠 高度可疑

详细发现

发现 1：核心结果数据前后矛盾（数学逻辑不闭环）

位置：Abstract / Results (Page 10207) / Figure 4
描述：关于整体降级率改善程度的数学表述存在硬伤。论文摘要及结论中声称：“reduced the overall downgrading rate by 6.4% (P = 0.029)”。但在正文结果部分描述模型表现时写道：“the inconsistency of PCa-GGNet in all testing samples decreased to 12.5% (upgrading) and 6.3% (downgrading)”，而前文提及活检（NB）的整体降级率为 14.7%。14.7% - 6.3% = 8.4%，或者 6.3% / 14.7% ≈ 57.1%，无论怎么算都推导不出摘要中宣称的“降低了 6.4%”这个数字。此外，正文在描述特定亚组（GG 3）时恰好提及降级至“6.4%”，摘要中的数据极可能是张冠李戴的笔误。
证据：摘要中宣称减少了 6.4%，正文给出的基数（14.7%）和终值（6.3%）在数学上无法与该结论自洽。反映了核心数据校对不严谨。
严重程度：🟠
复核状态：✅ 成立

⚠️ 发现 2：图表加总数据微小误差（视觉与数值核对）

位置：Figure 6 (Figure 6A vs Figure 6E)
描述：根据图片视觉分析摘要辅助提示，主队列（PC，N=279）在 Figure 6A（环形图展示分布）中的各类目加总为 278（67+51+70+38+52），但在其对应的混淆矩阵 Figure 6E 中，矩阵内部所有数值之和为 279。
证据：由于论文原文文本中并未直接列出环形图的具体数值，该结论依赖于视觉辅助分析，未能在原文文本中找到确凿的文字证据。
严重程度：🟡
复核状态：⚠️ 依据不足

发现 3：方法学描述遗漏（伦理声明缺失）

位置：Materials & Methods (Page 10201)
描述：本研究属于回顾性研究，纳入了 2010 年至 2019 年间的 575 名真实患者，并使用了病理标本和影像数据。然而，在提供的文本“Materials & Methods”及“Patients”章节中，未见到关于伦理委员会（IRB）审批号以及知情同意书豁免的明确声明。
证据：涉及人体的回顾性研究必须包含伦理声明，这是学术规范的基本要求。在当前提供的论文正文中，确实缺失了相关陈述。
严重程度：🟡
复核状态：✅ 成立

发现 4：软件版本过旧（技术环境合理性观察）

位置：Evaluation (Page 10205)
描述：论文于 2020 年 5 月投稿，但文中提及统计分析使用了 R 软件的 v.3.1.0 版本。R 3.1.0 是 2014 年 4 月发布的版本，距今较为久远。
证据：原文明确写出“R (v.3.1.0)”。在 2019 年底（数据截止）至 2020 年（分析撰写）的时间线节点，使用 6 年前的旧版软件进行前沿的深度学习配套统计分析，略显不寻常。
严重程度：🟡
复核状态：✅ 成立

耿同学辣评

用最前沿的深度强化学习去预测前列腺癌分级，电脑算得比谁都明白，结果自己手写摘要的时候算错了一位数的减法（甚至可能直接抄错了亚组里的6.4%）！这种典型的“AI跑通了，但人的数学挂科了”的尴尬，咱就是说，发顶刊之前就不能找个小学生（或者计算器）把摘要里的加减法再重新对一遍吗？此外，涉及近600人的临床回顾性研究，主文里居然连个伦理审批号都没交代，这是打算让期刊的伦理审查也一起“深度强化”忽略掉吗？

建议后续行动

联系作者要求提供原始数据
在 PubPeer 上提出质疑
向期刊编辑部举报
向作者所在机构学术委员会举报

⚠️ 免责声明

本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。

Radiologist-like artificial intelligence for grade group prediction of radical prostatectomy for reducing upgrading and downgrading from biopsy