Антон Николаевич Казанцев — военный врач, сердечно-сосудистый хирург
Стремительное внедрение генеративных нейросетей в практику медицинских исследований создает беспрецедентный вызов системе научной аттестации. Возможность автоматической генерации связного наукообразного текста ставит под сомнение достоверность диссертационных работ и валидность ученых степеней как маркеров подлинной исследовательской компетенции. В настоящей статье анализируются эпистемологические риски «синтетических» диссертаций, включая фальсификацию данных, утрату методологической прозрачности и деградацию научных школ. Рассматриваются современные методы выявления ИИ-генерированных текстов — от стилометрического анализа до программных детекторов, а также обсуждаются их ограничения. В качестве системного ответа на кризис предложен комплекс мер: введение обязательного очного написания заключительной части диссертации в контролируемой среде с видеофиксацией; ужесточение количественных критериев допуска к защите (индекс Хирша, кратный рост числа публикаций, стажевый ценз); а также принципиально новая модель периодического подтверждения ученых степеней по типу аккредитации с возможностью лишения степени при недостаточной публикационной активности. Реализация данных мер позволит создать многоуровневую защиту корпуса медицинской науки от проникновения «синтетических» исследователей и сохранить ценность ученой степени как подлинного свидетельства научного вклада.
The rapid integration of generative neural networks into the practice of medical research presents an unprecedented challenge to the system of academic certification. The ability to automatically generate coherent, scientifically plausible text calls into question the integrity of dissertation work and the validity of academic degrees as markers of genuine research competency. This paper analyzes the epistemological risks posed by "synthetic" dissertations, including the fabrication of data, the erosion of methodological transparency, and the degradation of established scientific schools. It examines contemporary methods for detecting AI-generated text — ranging from stylometric analysis to software-based detectors — and discusses their inherent limitations. As a systemic response to this crisis, a comprehensive set of measures is proposed: the introduction of mandatory in-person writing of the dissertation’s final section in a controlled environment with video surveillance; the tightening of quantitative criteria for admission to the dissertation defense (including H-index requirements, a multifold increase in the number of required publications, and a minimum length of professional service); and a fundamentally new model for the periodic recertification of academic degrees, similar to professional accreditation, which includes the possibility of degree revocation in cases of insufficient publication activity. The implementation of these measures would create a multi-layered system of protection for the body of medical science, preventing the infiltration of "synthetic" researchers and preserving the value of the academic degree as an authentic testament to scientific contribution.
The authors declare that there are no conflicts of interest present.