Критики предупреждают: доступность платформы TriNetX для анализа медицинских данных провоцирует вал низкопробных публикаций, подготовленных исследователями с недостаточной квалификацией.
Ежедневный ритуал Джошуа Вана, нейробиолога из больницы «Тайбэй Цзу Чи», начинается с чашки кофе и изучения свежих публикаций, основанных на данных TriNetX. Эта аналитическая платформа, предоставляющая доступ к обезличенным электронным картам более 300 миллионов пациентов по всему миру, стала крайне популярной. Однако Ван, занимающийся обучением коллег работе с сервисом, всё чаще замечает в результатах исследований явные признаки недобросовестности.
Эксперты опасаются, что простота интерфейса в сочетании с возможностями искусственного интеллекта позволяет неопытным авторам штамповать предвзятые и научно несостоятельные статьи с пугающей интенсивностью. «Мы наблюдаем поток исследований, страдающих одними и теми же системными изъянами», — отмечает фармакоэпидемиолог Сами Суисса из Университета Макгилла. По его словам, такие работы слишком часто обнаруживают «сенсационные» преимущества препаратов, что выглядит крайне подозрительно.
Статистика подтверждает масштаб проблемы: по данным базы Dimensions, если пять лет назад TriNetX упоминался лишь в 33 публикациях, то в 2025 году это число превысило 2700, причем большая часть работ приходится на долю медицинских вузов США. Для молодых специалистов такие публикации часто становятся «быстрым способом» укрепить резюме перед поступлением в резидентуру. Лиза Хаули из Ассоциации американских медицинских колледжей (AAMC) отмечает, что такая практика воспринимается как инструмент профессионального обучения.
Однако отсутствие глубоких компетенций в статистике приводит к «p-хакингу» — преднамеренному отбору данных ради получения значимых результатов. «Количество ложных научных открытий растет лавинообразно», — констатирует Мэтт Спик из Университета Суррея. Джошуа Ван опасается, что через десятилетие медицинская литература будет переполнена сфабрикованными корреляциями, искажающими реальную картину доказательной медицины.
Джеффри Браун, главный научный сотрудник TriNetX, признает важность экспертной оценки, но при этом приветствует рост научной активности. Оппоненты, однако, указывают на вопиющие примеры некачественных работ, таких как недавняя статья в журнале «Cancers», авторы которой заявили о «доказанном» противораковом эффекте препаратов для похудения GLP-1, проигнорировав при этом базовые методологические искажения, такие как «смещение из-за коллайдера» и «смещение бессмертного времени».
Более того, некоторые исследователи приписывают платформе функции, которыми она не обладает. Ван обнаружил статью в журнале «Angiology», где авторы утверждали, что провели корректировку смещения «бессмертного времени» через TriNetX — инструмент, отсутствующий в системе. Подобные методы, вероятно, генерируются ИИ, который часто предлагает нереализуемые сценарии, если его спросить о методологии анализа в TriNetX.
Ситуация осложняется тем, что авторы таких работ часто отказываются раскрывать параметры своих запросов, ссылаясь на разные причины. Брайан Вандербик из Пенсильванского университета подчеркивает опасность: практикующие врачи могут принять подобные «чудодейственные» выводы за чистую монету и начать применять сомнительные методы в лечении пациентов.
На фоне этого скандала AAMC планирует изменить правила подачи заявок в резидентуру, смещая акцент с количества публикаций на их реальное качество и научную глубину. Джошуа Ван, в свою очередь, продолжает внедрять жесткие протоколы обучения в своей клинике. Его цель — наглядно показать молодым исследователям, как легко получить «красивые», но фиктивные данные, и привить им критическое отношение к результатам, полученным одним нажатием кнопки.
