Melkein jokaisessa lääketieteen artikkelissa näkyy koneen kädenjälki

Kun lääkäri avaa hoitosuosituksen, hän luottaa siihen, että sen taustalla oleva tutkimuskirjallisuus on ihmisten kirjoittamaa. Elokuussa ilmestynyt esijulkaisu arvioi, että joulukuussa 2025 julkaistuista biolääketieteen artikkeleista 89 prosentissa näkyy sanastoa, joka tuli tieteelliseen kieleen vasta kielimallien myötä.

Sanastoa, ei tunnustusta. Menetelmä ei osoita yhdestäkään yksittäisestä artikkelista, että kone olisi kirjoittanut sen. Se laskee, kuinka paljon tietyt sanat ovat yleistyneet tieteellisissä teksteissä ChatGPT:n ilmestymisen jälkeen, ja päättelee tästä ylimäärästä, kuinka suuri osuus koko aineistosta on kulkenut kielimallin läpi. Yksittäinen artikkeli voi näkyä tilastossa myös siksi, että sen kirjoittaja sattuu suosimaan samoja sanoja kuin mallit.

Luku on siis arvio, ja arvio nojaa esijulkaisuun, jota kukaan ulkopuolinen ei ole vertaisarvioinut. Lena Holzwarthin, Rita González-Márquezin ja Dmitry Kobakin työ ilmestyi arXiv-palveluun 11. elokuuta 2026. Kobak, tietojenkäsittelytieteilijä Gentin yliopistosta, kertoi Naturelle epäilleensä ensin omaa tulostaan.

Aiempi arvio oli 13,5 prosenttia

Sama tutkimusryhmä julkaisi viime kesänä Science Advances -lehdessä työn, jossa käytiin läpi yli 15 miljoonaa PubMedin tiivistelmää. Tulos oli, että vähintään 13,5 prosenttia vuoden 2024 tiivistelmistä oli käsitelty kielimallilla. Ero uuteen lukuun on niin suuri, ettei sitä selitä pelkkä kielimallien yleistyminen.

Selitys on kahdessa asiassa. Vanha menetelmä tuotti alarajan: se laski vain sen osuuden, jonka pystyi osoittamaan, ja jätti epäselvät tapaukset kokonaan pois. Uusi menetelmä antaa suoran arvion. Kun sitä sovelletaan samoihin vuoden 2024 tiivistelmiin, osuus nousee 13,5 prosentista 31 prosenttiin.

Toinen ero on aineistossa. Nyt tutkijat lukivat PubMed Centralin avoimet artikkelit kokonaisuudessaan, eivät pelkkiä tiivistelmiä. Tiivistelmä on muutama sata sanaa, koko artikkeli tuhansia. Mitä pidempi teksti, sitä varmemmin poikkeava sanasto erottuu taustakohinasta.

Pohdinnassa jälki näkyy kaksin verroin menetelmäosuutta useammin

Kiinnostavin havainto koskee sitä, mihin kohtaan artikkelia jälki kasautuu. Tutkijat laskivat todennäköisyyden kappaletasolla: pohdintaosuuden yksittäisessä kappaleessa kielimallin sanastoa näkyy 68 prosentin todennäköisyydellä, menetelmäosuuden kappaleessa 32 prosentin. Ero on kaksinkertainen. Artikkelitasolla merkkejä näkyy silti yli puolessa myös menetelmäosuuksista.

Suunta rauhoittaa enemmän kuin hälyttää. Menetelmäosuus on artikkelin se kohta, jossa kerrotaan mitä tehtiin: montako potilasta, mikä annos, mikä laite. Pohdinta taas on kohta, jossa tulokset suhteutetaan aiempaan kirjallisuuteen ja jossa pitää kirjoittaa sujuvaa argumentoivaa englantia. Juuri siinä kielimalli auttaa eniten tutkijaa, jonka äidinkieli on jokin muu.

Kielenhuolto ei ole sama asia kuin tulosten sepittäminen. AI Suomi on kertonut aiemmin koneen kirjoittamista vertaisarvioista ja laboratoriosta, joka ei tiennyt kenen proteiineja se testasi. Tämä löydös ei kuulu samaan sarjaan, ja se kannattaa sanoa ääneen ennen kuin luku 89 alkaa kiertää vilppikeskustelussa.

Miksi tällä on väliä muillekin kuin tutkijoille

Biolääketieteen artikkelit eivät jää tutkijoiden kesken. Niistä kootaan meta-analyyseja, meta-analyyseista hoitosuosituksia ja hoitosuosituksista se ohje, jonka terveyskeskuslääkäri lukee näytöltä kesken vastaanoton. Jos kirjallisuuden kieli muuttuu, muutos etenee ketjussa hitaasti mutta kattavasti.

Kobakia huolestuttaa erityisesti yhdenmukaistuminen. Kun sadattuhannet kirjoittajat käyttävät samaa kourallista malleja, mallien omat painotukset siirtyvät kirjallisuuteen sellaisenaan. ”Mikä tahansa vinouma, joka kielimallilla on, tunkeutuu yhtäkkiä läpi koko kirjallisuuden”, hän sanoi Naturelle. Englanniksi lause kuului: ”Whatever bias the LLM may have will just suddenly permeate the literature.”

Suomalaiselle tutkijalle asetelma on arkea. Suomessa tehty biolääketieteen tutkimus julkaistaan käytännössä aina englanniksi, ja kielentarkastus on ollut osa julkaisukuluja niin kauan kuin alan rahoitushakemuksia on kirjoitettu. Erona on se, että kielenhuoltaja laskutti ja jätti jäljen budjettiin. Malli ei laskuta eikä jätä jälkeä mihinkään. Suuri osa julkaisijoista edellyttää ilmoitusta silloin, kun kielimalli on tuottanut tekstiä, mutta oikoluvusta harva ilmoittaa, ja uusi arvio kertoo, että raja näiden kahden välillä on käytännössä hämärtynyt.

Hammastahna on ulkona tuubista

Toronton yliopiston yhteiskuntatieteilijä Kyle Siler tiivisti tilanteen Naturelle yhteen lauseeseen: ”The toothpaste is out of the tube, and it's not going back.” Hammastahna on ulkona tuubista eikä palaa takaisin.

Käytännössä se tarkoittaa, että kielimallien käytön kieltämiseen tähtäävät säännöt ehtivät myöhästyä ennen kuin ne on kirjoitettu valmiiksi. Mielekkäämpi kysymys on, mitä tästä pitäisi seuraavaksi mitata. Sanastoanalyysi kertoo, että tekstit ovat muuttuneet. Se ei kerro, ovatko ne muuttuneet huonommiksi.

Sen selvittäminen vaatisi toisenlaisen tutkimuksen. Pitäisi katsoa, ovatko virheelliset lähdeviitteet, keskenään ristiriitaiset luvut ja jälkikäteen vedetyt artikkelit lisääntyneet samassa tahdissa kuin sanasto on muuttunut. Jos eivät ole, 89 prosenttia on uutinen kielestä. Jos ovat, se on uutinen tieteestä. Toistaiseksi kukaan ei ole julkaissut sitä lukua.