文件披露:关于放射学研究手稿中生成AI使用的有限报告
D Jonah Barrett1, Richard Heng1, Jordan D Perchik1
1School of Medicine, University of Alabama at Birmingham, Birmingham, Alabama (D.J.B., R.H., J.D.P.); Department of Radiology, University of Alabama at Birmingham, Birmingham, Alabama (D.J.B., R.H., J.D.P.).
Academic radiology
|July 17, 2025
概括
尽管广泛使用,但放射学研究人员仅在1.7%的出版物中披露了大型语言模型 (LLM) 的使用. 这种较低的披露率凸显了LLM采用和科学写作透明度之间的差距.
科学领域:
- 放射学 放射学是一门学科.
- 医疗信息学 医疗信息学
- 科学出版科学出版
背景情况:
- 大型语言模型 (LLM) 越来越多地用于医学研究和手稿开发.
- 要求LLM使用披露的出版商政策正变得越来越普遍,但实际披露率尚不清楚.
- 关于LLM产生的内容 (例如幻觉,偏见) 的担忧需要透明的报告.
研究的目的:
- 为了检查LLM的趋势和率,使用放射学出版物中的披露.
- 分析与LLM披露相关的因素,包括手稿类型和机构来源.
主要方法:
- 对1998年放射学出版物的图书统计分析,涉及9个具有LLM披露政策的期刊.
- 总体LLM披露率的计算.
- 后勤回归和混合效应模型来评估时间趋势和与同行评审持续时间的关系.
主要成果:
- 只有1.7%的手稿 (1998年的34篇) 宣称使用LLM,主要是为了可读性而使用ChatGPT.
- 没有观察到随着时间的推移,披露率的显著增加.
- 与初级调查 (1.3%) 相比,二级研究手稿的披露率更高 (3.9%).
结论:
- 在放射学出版物中使用LLM的披露率非常低,与报告的采用率形成鲜明对比.
- 低披露的潜在原因包括耻辱,政策不知情或不同意要求.
- 需要有支持性的研究环境和更明确的披露政策,在科学写作LLMs.


