# 🔍 耿同学打假报告

## 论文信息
- 标题：Deep Learning with Quantitative Features of Magnetic Resonance Images to Predict Biochemical Recurrence of Radical Prostatectomy: A Multi-Center Study
- 作者：Ye Yan, Lizhi Shao, Zhenyu Liu, et al.
- 期刊：Cancers
- DOI：10.3390/cancers13123098
- 发表年份：2021
- 论文来源：Deep Learning with Quantitative Features of Magnetic.pdf

## 综合评定：🟠 高度可疑

## 详细发现

### 发现 1：方法学异常与内部数据矛盾（样本量薛定谔）
- **位置**：Table 2 / 正文 3.1 节 / Table 1
- **描述**：论文的核心队列样本量在不同位置出现了无法自洽的矛盾。正文和 Table 1 明确交代主队列（PC）共纳入 368 例患者，但在展示核心模型性能的 Table 2 中，主队列的样本量突然变成了 369 例。
- **证据**：正文表述为“the primary cohort (PC: n = 368...)”；Table 1 表头标明“PC (PUTH) n= 368”；而 Table 2 表头却赫然写着“PC (n = 369)”。在严格的生存分析建模中，多出或漏掉一个样本都会导致数据不对版，这属于低级但致命的方法学内部矛盾。
- **严重程度**：🟠
- **复核状态**：✅ 成立

### 发现 2：统计学异常（双生姐妹花数据与离谱小数）
- **位置**：Table 2
- **描述**：两个完全独立的验证集（VC1 和 VC2）在同一个传统临床模型（CAPRA-S）上的 C-index 竟然完全一致；同时另一模型的 HR 值出现了极不合理的小数位数。
- **证据**：Table 2 中，VC1 (n=34) 的 CAPRA-S C-index 为 0.654 [0.49–0.818]，VC2 (n=83) 的 CAPRA-S C-index 也是 0.654 [0.544–0.764]。在不同样本量、不同中心的人群中算出精确到小数点后三位完全一致的数值，概率极低。此外，NCCN 模型的 HR 值被标为“1.9022”，在常规临床统计表中保留四位小数且以“2”结尾，高度疑似手误篡改或编造数据时的笔误。
- **严重程度**：🟠
- **复核状态**：✅ 成立

### 发现 3：方法学异常（复制粘贴留下的幽灵标题）
- **位置**：Table 2
- **描述**：Table 2 的标题与表格内容发生严重脱节，出现了典型的“套模板”遗留痕迹。
- **证据**：Table 2 的标题写的是“Table 2. Patient characteristics.”（患者临床特征），但表格的实际内容却是各种临床模型和深度学习模型的 HR 值、p 值和 C-index 性能对比。这说明作者极大概率是从另一篇论文或前序草稿中复制了表格框架，却忘记修改标题。结合前述的数据不一致，反映出数据处理过程的极不严谨。
- **严重程度**：🟡
- **复核状态**：✅ 成立

### 发现 4：统计学异常（心电图一样的决策曲线）
- **位置**：Figure 2 (g-i)
- **描述**：模型在验证集中的决策曲线分析（DCA）呈现出极不自然的剧烈高频震荡。
- **证据**：结合论文图片视觉分析及图注（Figure 2: Clinical benefits by decision curve analysis for 3-year BCR），Primary cohort（主队列，n=368）的 DCA 曲线相对平滑，但在样本量较小的 VC1 (n=34) 和 VC2 (n=83) 中，代表 DRS-BCR 模型的曲线呈现极其锯齿状的上下剧烈波动。这种视觉上“过于嘈杂”的曲线说明模型在极小样本上发生了严重的过拟合，或数据处理存在异常值未被清洗。
- **严重程度**：🟠
- **复核状态**：✅ 成立

## 耿同学辣评

主队列样本量一会儿368一会儿369，Table 2连标题都能从“患者特征”糊弄成“Cox回归结果”，再加上NCCN那个独树一帜的HR=1.9022和两个不同验证集里心有灵犀的0.654 C-index……同学们，这哪里是“Deep Learning”，这明明是“Deep Copy & Paste”啊！再看验证集那两条心电图一样疯狂跳动的决策曲线，模型预测的时候作者的心电图是不是也跟着一起过拟合了？

## 建议后续行动

- [x] 联系作者要求提供原始数据（尤其是 VC1 和 VC2 的 C-index 计算过程）
- [x] 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。