人机协作内容透明披露标准与指南——医学研究领域（2026）

《Intelligent Medicine》：Standards and guidance for transparent disclosure of human–AI collaboration content in medical research (2026)

　　

医学研究中人机协作内容的透明披露标准与指南（2026） 摘要 人工智能（AI）工具的快速发展正推动医学研究进入以人机协作为特征的新阶段。在此过程中，AI已从外部工具演变为嵌入研究工作流程的功能性组成部分。随着人类研究人员与AI之间界限日益模糊，治理挑战愈发凸显。同时，国际上仍缺乏协调统一的AI辅助内容披露标准，导致中国及国际社会在披露要求和实施方面均存在显著差距。为解决这些问题，中国高校科技期刊研究会医学期刊专业委员会组建了一支涵盖医学、生物统计学、流行病学、医学伦理学、科技期刊编辑及医学AI技术等多学科领域的专家团队。研究人员采用改良德尔菲法，进行了三轮在线调查和两次共识会议，并依据对1692种医学期刊的政策调查、国际医学期刊编辑委员会（ICMJE）等国际组织的立场声明、主要国际学术出版商的AI政策文件以及AI检测工具性能的比较研究等证据，最终形成了十项针对医学出版核心问题的建议。本指南强调四大核心原则——透明披露、人类责任、风险分层和技术辅助监督——旨在最大化AI技术的益处，同时维护学术诚信。它为医学研究中人机协作内容的标准化披露提供了一个系统性框架，并为研究人员、期刊编辑、同行评审人员及学术机构提供了可操作的指导。

论文解读：医学研究中人机协作内容的透明披露标准与指南（2026）

一、研究背景与现存问题

随着以ChatGPT为代表的大语言模型（Large Language Models, LLMs）的迅猛发展，人工智能生成内容（Artificial Intelligence Generated Content, AIGC）在医学论文中的应用日益广泛。AI已从单纯的外部工具转变为嵌入研究工作流程的功能性组件，其在提升研究效率的同时，也引发了深刻的治理挑战。具体而言，当AI的贡献与人类智力劳动深度交织时，如何界定作者身份、分配责任以及确保透明披露，已成为涉及学术诚信、作者问责、数据安全与知识产权保护的紧迫现实问题。

尽管国际医学期刊编辑委员会（International Committee of Medical Journal Editors, ICMJE）、世界医学编辑协会（World Association of Medical Editors, WAME）、出版伦理委员会（Committee on Publication Ethics, COPE）以及五大国际出版商（Elsevier、Springer Nature、Wiley、Taylor & Francis、SAGE）已在AI作者身份问题上达成初步共识，但在AI使用边界的精细划分和结构化披露要素方面，仍缺乏统一的操作标准。现有研究表明，顶级心血管期刊虽100%禁止AI署名，但仅有36%提供结构化的AI使用声明字段。实际披露率极低，例如医学教育期刊中仅2.5%的论文包含AI披露声明。此外，现有的报告指南如TRIPOD+AI、CONSORT-AI等主要关注将AI作为研究对象的情况，而对稿件准备过程中AI工具使用的披露要求覆盖有限。因此，亟需建立一套从人机协作视角出发，涵盖医学研究知识生产全链条的规范性框架。

二、研究目的与意义

本研究旨在建立一套针对医学领域人机融合研究内容的透明披露标准与实施框架，为研究人员、期刊编辑、同行评审人员及学术机构提供关于恰当使用和透明报告AI辅助医学研究的清晰且可操作的指导。其核心意义在于平衡AI技术的效益与学术诚信的保护，填补现行国际标准中的空白。

三、主要关键技术方法

研究人员采用了改良的德尔菲法（Delphi method）。首先，由来自医学、科技期刊编辑、医学AI技术、医学伦理学、流行病学、科学计量学、科研诚信及生物统计学等多个学科的67名专家组成多学科专家共识工作组。其次，研究人员制定了详细的检索策略，在CNKI、PubMed、Web of Science等多个数据库中系统检索了2022年1月至2026年4月间的相关文献，并纳入了对1692种医学期刊的政策调查、ICMJE等国际组织立场声明、主要出版商AI政策文本以及AI检测工具性能比较研究等六大类证据。最终，经过三轮在线调查和两次共识会议，形成了最终推荐意见。

四、研究结果

问题1：AI能否被列为研究论文的作者？

通过分析ICMJE、WAME、COPE及五大出版商的一致政策，并结合多项针对不同学科期刊的调查（如眼科、心血管、神经病学期刊均100%或绝大多数禁止AI署名），研究人员得出结论：任何AI工具不得被列为研究论文的作者或合作者。此推荐为强推荐，证据质量高，专家一致率达100%。

问题2：医学论文中AI使用的边界应如何界定？

基于AI在科学推理和价值判断方面的局限性，以及其易产生幻觉的特性，研究人员明确规定：严格禁止AI直接生成研究目标、方法、结果、结论、原始研究图像及参考文献。所有AI辅助内容必须经作者人工核实并在论文中透明披露。此推荐为强推荐，证据质量高。

问题3：期刊应如何在作者指南中定义AI工具使用的风险等级？

鉴于各期刊在界定AI使用边界上的高度异质性，研究人员建议引入“禁止使用、限制使用、允许使用”的三级分类框架，并以红黄绿颜色方案增强可读性。此推荐为强推荐，证据质量高。

问题4：期刊应如何要求作者在投稿时披露AI工具的使用？

为提高极低的披露率，研究人员提出强制性披露要求：作者必须在投稿系统中使用结构化字段，同时在论文正文（方法或致谢部分）披露工具名称、版本、用途、使用阶段等信息。此推荐为强推荐，证据质量高。

问题5：期刊能否使用AI检测工具筛选稿件？

考虑到现有AI检测工具性能有限（如对非英语母语者文章的误报率高达61.3%），研究人员认为检测结果不能作为判定不端行为的唯一依据，必须辅以人工验证和与作者的沟通。此推荐为弱推荐，证据质量低。

问题6：审稿人能否使用AI工具协助同行评审？

为保护稿件机密性和知识产权，研究人员严格禁止审稿人将未发表稿件上传至公共AI平台。期刊可提供经安全评估的本地部署或出版商授权的AI辅助工具。此推荐为强推荐，证据质量低。

问题7：投稿系统应如何设计结构化字段收集AI使用信息？

针对当前投稿系统与期刊政策之间的脱节，研究人员建议采用渐进式设计，首先设置必选的二元选择（是/否），若选“是”则展开详细字段，要求填写工具名称、版本、用途、使用阶段及人工核实方法。此推荐为弱推荐，证据质量中等。

问题8：期刊应如何管理论文中AI使用的识别与追溯？

研究人员主张将作者主动透明的披露作为重建学术信任的首要途径，AI检测工具仅作为出版后监督的补充手段。鼓励有资源的期刊探索水印（如Google SynthID-Text）和内容来源（如C2PA标准）等前沿技术。此推荐为弱推荐，证据质量中等。

问题9：期刊应针对不当AI使用建立何种分级审查机制和处理流程？

针对作者、审稿人、编辑的不同违规行为，研究人员设计了三级处理措施：轻微违规（如无意遗漏）要求限期补充声明；中度违规（如违反限制使用条款）予以拒稿并记录；严重违规（如AI署名、伪造数据）则采取撤稿、列入失信名单、禁止投稿1-2年等措施，并通报作者单位及科研诚信主管部门。此推荐为弱推荐，证据质量中等。

问题10：在人机协作的多维情境下，作者应如何区分“AI作为辅助工具”与“AI作为研究对象”并进行分别声明？

研究人员要求期刊在作者指南中明确区分两种角色。对于“AI作为辅助工具”，需在投稿系统和论文中进行透明披露；对于“AI作为研究对象”（即论文核心目标是开发或验证AI模型），还需按通用报告指南（如CONSORT-AI）详细报告模型，并在标题、摘要或关键词中明确标识。若论文同时涉及两种角色，则两种声明均为强制要求。此推荐为弱推荐，证据质量中等。

五、总结与结论

讨论部分总结： 研究人员指出，尽管多数期刊已有AI相关政策，但实际披露率极低，表明缺乏可验证的审查机制。因此，建立分级处理逻辑至关重要，即根据违规性质、严重程度和意图匹配相应措施，既对严重违规形成有效威慑，也为轻微违规提供纠正机会。同时，针对审稿人和编辑的违规处理机制存在严重缺失，需加强编辑团队的AI伦理标准培训。研究人员还强调了区分“AI作为辅助工具”与“AI作为研究对象”的重要性，以避免角色混淆导致的披露不足。

研究结论： 本指南通过系统的文献综述、政策分析和多轮德尔菲共识，形成了十项核心推荐，涵盖了从稿件撰写、投稿披露、同行评审到出版后监督的全路径。这些推荐强调透明披露、人类责任、风险分层和技术辅助监督四大核心原则，旨在最大化AI技术的益处，同时维护学术诚信。研究人员期望本指南能为医学研究领域中的人机协作内容提供标准化的披露框架，并为全球学术出版界应对AI带来的挑战提供有价值的参考。