最初は普通に論文を紹介するつもりでした。2026年9月1日に Frontiers in Sustainable Food Systems に掲載された、イチゴ10品種の灌水制限への応答を比較した研究です。
灌水を強く制限すると市場収量は平均46％、果実重量は21％低下する一方、°Brixは25％上昇する。葉の水ポテンシャルや気孔コンダクタンス、LMAにも変化があり、その程度には品種差がある。結果そのものはなかなか面白い研究でした。
ところが、記事にするつもりで細かく読んでいくと、研究内容とは別のところが気になってきました。統計値やFigure、本文の記述に、公開前のチェックで拾えなかったのだろうかと思う不整合がいくつも残っていたからです。
原論文はこちらです。
F値とp値が、そのままでは両立しない
一番分かりやすかったのが、著者らが新しく作ったBerry Delight Index（BDI）の解析です。本文では灌水処理の主効果を @@INLINE0@@、品種×処理の交互作用を @@INLINE1@@ と報告しています。
後者は、そのままでは成立しません。F(9,40)=42.90が正しいならp値は約9×10⁻¹⁸です。逆にdf=(9,40)でp=0.03になるF値は約2.37です。したがって、F値、自由度、p値の少なくともどれかが誤っています。
元データや解析出力が公開されていないので、どの数字が正しいのかまでは判断できません。ただし、掲載されている3つの値が数学的に整合していないことは確認できます。
これはイチゴ研究の専門知識がないと見つけられない問題ではありません。数値を再計算すれば検出できます。
本文では「関係なし」、Figureではp<0.05
市場収量と°Brixの関係にも食い違いがあります。本文では通常灌水区について関係が見られなかったと説明されていますが、Figure 3B-aには通常灌水区について r²=0.26, p<0.05 と書かれています。
ここで重要なのは、こちらから「本文が間違っている」と決めつけないことです。公開版だけでは本文とFigureのどちらが正しいのかは分かりません。言えるのは、本文とFigureが一致していないということだけです。
Figure 2にも単純な取り違えがあります。図本体ではaが気孔コンダクタンス、bが葉水ポテンシャルなのに、captionではaとbが逆に説明されています。Results本文は図本体の並びに対応しているため、caption側のラベルが入れ替わった可能性が高そうです。
さらにFigure 5には、通常灌水区について r²=0.00, p<0.05 という表示があります。このFigureに示された約30観測を用いた通常の単回帰のr²と傾きのp値だと解釈する限り、この組み合わせは数学的に整合しません。ただし完全なmodel outputが公開されていないので、ここは「誤り」と断定するより、確認が必要な記載として扱うのが妥当だと思います。
だからといって、論文そのものが全部駄目なわけではない
こうした不整合があるからといって、研究結果がすべて無価値になるわけではありません。収量低下、果実の小型化、°Brix上昇といった大きな処理効果はかなり明瞭です。
一方で、Abstractでは観察された形質をwater-use efficiencyの改善につながるものとして説明していますが、この研究ではWUE自体を主要な応答変数として直接算出・検定しているわけではありません。また、LMAの変化から炭素配分や果実への転流までかなり広い機構を議論していますが、その多くは直接測定されたものではありません。
ここは「間違い」というより、データからどこまで言うかという解釈の問題です。今回の記事で扱いたいのは、そうした科学的な議論よりも、その手前にあるもっと単純なQCです。
F値とp値が対応しているか。本文とFigureで結論が逆になっていないか。Figure番号やcaptionが一致しているか。こうした部分まで、すべて人間の査読者の注意力に任せる必要があるのでしょうか。
査読者がもっとちゃんと見ればよかった、で済むのか
査読者を責めるのは簡単です。でも、少し違う気がします。
査読者は研究課題の価値を考え、実験設計を読み、統計を確認し、先行研究を調べ、新規性を判断し、Discussionの解釈を評価します。そのうえで誤字、表、Figure番号、参考文献まで確認することを期待されています。しかも多くの場合、これは自分自身の研究や教育の仕事と並行して行われます。
2021年に Research Integrity and Peer Review に掲載された推計では、2020年に世界の研究者が査読へ費やした時間は約1億3080万時間と試算されています。これは論文数や1査読あたりの時間などに仮定を置いた概算ですが、査読という仕組みが非常に大きな人的資源に依存していることは分かります。著者らは、査読者が出版社から直接報酬を受けることは少ない一方、その時間の多くは大学や研究機関の給与によって実質的に負担されている可能性も指摘しています。
A billion-dollar donation: estimating the cost of researchers’ time spent on peer review
「査読がボランティアだから質が低い」と単純化するのは違うと思います。それよりも、高度な専門家の限られた時間を、機械でも確認できる作業にまで使っている設計の方が気になります。
統計のスペルチェックは、すでにできる
実は、ここで生成AIを持ち出す必要すらありません。統計値、自由度、p値の不整合を自動検出する statcheck のような仕組みは以前からあります。
2024年には、査読工程へstatcheckを導入した2誌と対照2誌を比較した事前登録済みの準実験が報告されています。7000報以上、14万7000件以上の統計値を対象にした解析で、statcheck導入誌では統計報告の不整合や、p=0.05をまたぐdecision inconsistencyの減少が対照誌より急でした。著者ら自身は「preliminary support」と慎重に評価していますが、機械的なQCを査読工程に組み込むことが実際に役立つ可能性を示しています。
今回見つかった F(9,40)=42.90, p=0.03 は、まさにこうした決定論的チェックと相性の良い問題です。LLMの推論に任せる必要さえなく、コードで計算すればよい。
では未公開原稿をAIに読ませればいいのか
ここで別の問題が出てきます。未公開原稿は機密情報です。
「今のLLMなら本文とFigureの矛盾も見つけられるのでは」と考えても、査読者が受け取った原稿を普段使っている外部LLMへそのままアップロードできるとは限りません。むしろ、大手出版社の多くは明確に制限しています。
Wileyは、査読者が原稿やその一部、Figure、TableをChatGPTなどの生成AIへアップロードしないよう求めています。Springer Natureも、未公開原稿を生成AIへアップロードしないよう査読者に求めており、安全なAIツールを査読者へ提供する方法を検討しているとしています。
Elsevierの現行ポリシーも、未公開原稿そのものをAIツールへアップロードすることは禁止しています。一方、レビュー文章の整理や背景文献検索などの補助用途では、機密性と人間による監督を前提にAI利用を認めています。その場合も、入力を保持・再利用・共有・学習しないprivate AIを使うことを求め、enterprise版やlocally hosted modelを候補として挙げています。AI利用は原則として査読レポートで開示します。
Elsevier: How to conduct a review
つまり「AIを使えば査読が効率化するのに、なぜ使わないのか」というほど単純ではありません。使いたくても、原稿を外へ出せないという制約があります。
必要なのは「外へ出さないAI」なのかもしれない
そう考えると、査読支援AIの形も少し見えてきます。
出版社や研究機関の管理下に閉じた環境を用意し、未公開原稿はそこから出さない。F値とp値、nと自由度、本文とTable、Figure番号、単位などの決定論的な検証はまずコードで行う。その上でLLMが、AbstractとResultsの整合性、本文とFigureの意味的な矛盾、測っていない項目への主張などを横断的にチェックする。
引用文献の確認には外部情報が必要ですが、これも原稿全文を外へ送る必要はありません。引用済みのDOIやPMIDを使ってPubMed、Crossref、出版社サイトなどから公開文献を取得し、閉じた環境へ戻して照合すればよい。新規性調査のように未公開のアイデアから検索語を作る場合は、検索クエリそのものが情報漏洩にならないよう、さらに設計が必要でしょう。
面白いことに、今回の論文を出版したFrontiersはすでにこの方向へ進んでいます。Frontiersは外部生成AIへの未公開原稿のアップロードを禁止する一方、review forum内にsecure, closed environmentで動く内部AIを用意し、原稿の要約、claimの抽出、分析ポイントの提示、査読コメント作成などを支援しています。またAIRAは投稿時に40以上のquality-control checkを行うと説明されています。
Frontiers: Policies and publication ethics
Frontiers: Artificial intelligence
だから今回の話は、「出版社はAIを導入すればよい」で終わりません。FrontiersはすでにAIを導入しています。それでも今回の公開版には、F値とp値の不整合や本文とFigureの食い違いが残っていました。
ただし、ここから「FrontiersのAIが見逃した」と断定することもできません。公開情報だけでは、この原稿にどのチェックが適用されたのか、F値とp値の再計算や本文とFigureの意味的照合がAIRAの対象だったのかは分からないからです。
重要なのは、AIを使っているかどうかではなく、出版工程のどこで、何を、どの方法で検証するかなのだと思います。
人間には、科学そのものを見てもらいたい
査読をAIに置き換える必要はないと思います。研究課題に意味があるか。実験設計は適切か。別の解釈はないか。本当に新しいのか。こうした判断には、その分野を長く見てきた研究者の知識が必要です。
一方、F値とp値が対応しているか、Figureと本文で結論が逆になっていないか、引用した論文が本当にその主張を支持しているか、といった確認まで専門家の注意力だけに任せる必要はありません。単純作業が増えるほど、本当に考えてほしい科学的な部分に使える時間は減ります。
今回のイチゴ論文には面白いデータがありました。だからこそ少し惜しいと思いました。研究そのものとは別の、出版前に比較的簡単に確認できそうな不整合によって、論文全体に余計な疑念が生まれてしまうからです。
AI時代の査読で目指すべきなのは、「AIが査読する世界」ではなく、機械で確実に確認できるものは機械が確認し、人間の査読者は科学そのものを考える世界なのかもしれません。
そしてそのためには、高性能なLLMだけでは足りません。未公開原稿を外に出さず、それでも必要な公開文献にはアクセスできる、安全な査読支援環境が必要です。
今回この論文を追っていて、論文そのものより、むしろそちらの方が面白い問題に思えてきました。
追記方針：本稿で示した論文中の不整合は、2026年9月2日時点で公開されているVersion of Recordを確認したものです。今後Corrigendum等によって修正された場合は、確認のうえ本稿にも追記します。
コメント