🔍 耿同学打假报告

论文信息

• 论文来源：Multiparametric MRI and Whole Slide Image-Based.pdf
• 标题：Multiparametric MRI and Whole Slide Image-Based Pretreatment Prediction of Pathological Response to Neoadjuvant Chemoradiotherapy in Rectal Cancer: A Multicenter Radiopathomic Study
• 作者：Lizhi Shao, Zhenyu Liu, Lili Feng, 等
• 期刊：Annals of Surgical Oncology
• DOI：10.1245/s10434-020-08659-4
• 发表年份：2020

综合评定：🟠 高度可疑

详细发现

发现 1：参考文献系统性造假（直肠癌引用黑色素瘤指南）

• 位置：INTRODUCTION 部分第一段及 REFERENCES 参考文献 1
• 描述：论文在引言第一句写到“局部晚期直肠癌（LARC）的标准治疗方法包括新辅助放化疗...[1,2]”，但在参考文献列表中，文献 1 明确写着：“Coit DG, Thompson JA, Algazi A, et al. Melanoma, version 2.2016, NCCN clinical practice guidelines in oncology.”。此外，文献 7（关于直肠癌细胞完全病理缓解）引用的是一篇会议摘要（PTH-340），且页码为 A558-9。
• 证据：作者在阐述直肠癌的标准治疗指南时，堂而皇之地引用了《黑色素瘤》的NCCN指南。这是极其典型的伪造/乱贴参考文献行为，暴露出作者在撰写或编造背景时的极度敷衍。
• 严重程度：🔴
• 复核状态：✅ 成立

发现 2：方法学与引用内部矛盾（重复引用同一文献）

• 位置：Features Extraction from mp-MRI 及 Feature Extraction from WSI 部分
• 描述：在描述使用 Pyradiomics 提取影像学特征时，作者引用了文献 [23]；紧接着在下一段描述使用 CellProfiler 提取病理特征时，作者再次引用了文献 [23]。
• 证据：参考文献 23 是 "Jjm VG, Fedorov A, Parmar C, et al. Computational radiomics system..."。这是 Pyradiomics 的经典出处。作者在描述完全不同的两个软件（PyRadiomics 和 CellProfiler）时，复制粘贴了相同的引用标记 [23]。这是文本复制粘贴遗留下的低级错误，侧面反映了实验方法部分的真实性存疑。
• 严重程度：🟠
• 复核状态：✅ 成立

发现 3：时间线与软件版本异常（使用远古版本跑前沿AI）

• 位置：Statistical Analysis 部分
• 描述：论文发表于 2020 年，自称使用了先进的 XGBoost 算法，但统计分析部分明确写道：“R software (version 3.1.0)”。
• 证据：R 3.1.0 版本发布于 2014 年 4 月。一篇 2020 年投稿（2020年1月3日收到）、应用最前沿人工智能技术的多中心研究，居然在使用 6 年前发布的古老 R 版本进行生存分析和统计计算。这在常规的高水平科研实践中极不合理，高度怀疑方法学部分系直接复制粘贴自陈年旧文。
• 严重程度：🟡
• 复核状态：✅ 成立

发现 4：数据呈现的“完美主义”与统计学异常

• 位置：Table 2 及视觉分析摘要（Figure 2, Figure 4）
• 描述：在 Table 2 中，TRG2 组的敏感性（Sensitivity）在多个队列达到了 100.0 [100.0–100.0]。结合视觉分析摘要指出，ROC 曲线（Fig 2c, 2f, 2i）呈现出不自然的阶梯状或直角转折，AUC 高达 0.99 以上；且生存曲线（Fig 4）各组间分离极度规律、平滑，毫无真实临床数据中应有的噪声和波动。
• 证据：在样本量极小的 VC3 队列（N=48）中，算法在部分组别依然表现出了近乎神迹的完美预测（Sensitivity 出现 100.0 [100.0–100.0]）。虽然机器学习可以表现优异，但在回顾性多中心临床数据中，验证集出现完美无瑕的阶梯状 ROC 曲线和 100% 的置信区间，通常暗示着模型训练过程中的严重数据泄露或图表在发表前经过了人为修饰。
• 严重程度：🟠
• 复核状态：✅ 成立

⚠️ 发现 5：流程图涉嫌图像复用与过度规整

• 位置：Figure 1（依据视觉分析摘要）
• 描述：Fig 1 流程图中的 T2W 和 ADC 宏观肿瘤图像展示了高度相似的截面和几乎一致的 ROI 标注形状。此外，病理切片小图背景纹理高度一致。
• 证据：虽然这可能是同一患者的不同序列，但在作为代表性图像展示时，过度规整的拼接和呈现方式不符合真实世界病理切片随机截取的特征，疑似经过人为挑选或修饰。由于原文仅作为示意图展示，缺乏更直接的文本或数据矛盾作为确凿证据。
• 严重程度：🟡
• 复核状态：⚠️ 依据不足

耿同学辣评

直肠癌的论文非要引一篇黑色素瘤的指南充门面，装X的时候连内裤颜色都暴露了！用着2014年的老古董R语言，跑着号称吊打一切的AI模型，最后跑出来的数据比安徒生童话还要完美无瑕。连不同的软件提取特征都能引用同一篇文献，这种“复制粘贴”的功夫不去干外包可惜了。建议通讯作者改行去写科幻小说，别在学术界挑战大家的智商了！

建议后续行动

• 联系作者要求提供原始数据、代码以及模型训练的 Log 文件
• 在 PubPeer 上提出质疑（重点指出荒谬的参考文献引用与统计学异常）
• 向期刊编辑部举报（要求核查原始数据及伦理审批号 2019ZSLYEC-169 的真实性）

⚠️ 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。