2026年2月16日，国际期刊《Molecular Medicine Reports》（影响因子3.5，Q4区）正式撤销了常州市第一人民医院和常州市第七人民医院呼吸内科团队于2019年10月发表的肺癌研究论文。该论文因数据“一稿两用”问题引发学术争议——其研究数据不仅在多篇不同领域的论文中反复出现，甚至跨越了癌症研究与糖尿病研究等迥异领域，堪称学术不端的典型案例。
论文题目："Upregulated microRNA‑671‑3p promotes tumor progression by suppressing forkhead box P2 expression in non‑small‑cell lung cancer"
发表时间：2019年10月
撤稿时间：2026年2月16日（官网公告2月20日公布）
影响因子：3.5（Q4区）
涉及单位：常州市第一人民医院、常州市第七人民医院呼吸内科
主要作者：Zhi-Ying Li, Zi-Zhou Zhang, Hui Bi等
撤稿事件回顾
论文发表于《Molecular Medicine Reports》期刊。
学术评论平台用户"Hoya camphorifolia"发表系列评论，针对目标论文提出多项数据异常：图7A划痕实验结果完全重复；图2D流式细胞检测结果与2019年肺癌研究图5A、2020年某篇论文图5A存在显著相似性；图6B数据在2019-2021年间多篇不同机构发表的文献中反复出现，涉及糖尿病细胞实验等迥异领域。
期刊编辑部迅速启动调查，发现该论文的争议性数据与多篇既有文献存在显著相似性，其中某些文献的发表时间甚至早于涉事论文。期刊方尝试联系作者寻求澄清，但始终未获答复。
《Molecular Medicine Reports》期刊正式决定撤销该论文。
期刊官网公布撤回公告（DOI：10.3892/mmr.2026.13829），同时就此事向学术界致歉。
数据重复问题详情
根据PubPeer用户的质疑，该论文存在以下严重数据重复问题：
组内数据重复
- 图7A：0小时划痕实验结果出现完全重复
跨论文数据重复
- 图2D流式细胞检测结果：与2019年肺癌研究图5A存在显著相似性
- 图2D流式细胞检测结果：与2020年某篇论文的图5A存在显著相似性
- 图6B数据：在2019-2021年间多篇不同机构发表的文献中反复出现
图6B呈现的数据不仅在多篇文献中反复出现，其中甚至涉及糖尿病细胞实验等与肺癌研究完全迥异的研究领域。同一组数据既用于证明肺癌机制，又被用于支持糖尿病相关研究，这种“一稿两用”行为严重违背了学术伦理。
期刊处理与作者回应
在收到PubPeer用户的质疑后，期刊编辑部迅速启动调查程序。经调查发现，该论文的争议性数据与多篇既有文献存在显著相似性，其中某些文献的发表时间甚至早于涉事论文，表明该论文存在严重的“一稿两用”和数据重复问题。
期刊方尝试联系作者寻求澄清，但作者团队始终未获答复。在无法获得作者合理解释的情况下，2026年2月16日，《Molecular Medicine Reports》期刊最终决定撤销该论文，并于四天后（2月20日）在其官网公布撤回公告（DOI：10.3892/mmr.2026.13829），同时就此事向学术界致歉。
3.5
影响因子
Q4区
期刊分区
2019-2021
跨年重复数据
癌症↔糖尿病
跨领域重复
学术启示：跨领域数据重复成新型学术不端
这起撤稿事件再次警示我们：学术不端的形式正在不断演变，“一稿两用”已不再局限于同一领域的论文重复，而是扩展到了跨癌症、糖尿病等完全不同研究领域的“数据复用”。
近年来，文章图片抄袭、图片重复及图片误用的现象屡见不鲜，严重影响了学术界的公信力。据国际出版伦理委员会（COPE）统计，2024年全球学术撤稿中，涉及图片造假、重复使用的占比高达43%。而跨领域、跨论文的数据重复问题，正成为学术审查的新焦点。
此次撤稿案例特别值得关注的是重复问题的复杂性——不仅涉及组内重复（同一论文内不同图表）、跨论文重复（多篇不同论文间），更涉及跨领域重复（癌症研究与糖尿病研究）。这种跨领域的“一稿两用”行为，严重违背了学术伦理，也凸显了建立全球学术图像数据库和AI检测工具的重要性。
ImageTwin图片查重系统
采用先进的图像识别技术，拥有超过1.2亿张学术图片的庞大数据库，能够高效检测图片的相似性和重复使用情况。无论是组内重复、跨论文重复，还是跨领域的“一稿两用”行为，都能通过全网数据库比对被精准识别。
核心优势： 1.2亿+学术图片数据库 | AI深度学习算法 | 99.8%检测准确率 | 银行级隐私保护
免费试用 →ImageTwin可检测的数据重复问题类型
- 组内数据重复检测：自动检测同一手稿内部不同图表间的数据重复
- 跨论文数据重复检测：与超过1.2亿张学术图片数据库比对，识别不同论文间的数据重复
- 跨领域数据重复检测：即使数据出现在完全不同研究领域的论文中，也能被精准识别
- 时间序列数据追溯：识别数据在多年间、多篇文献中的反复出现
- 流式细胞图专项检测：针对流式细胞检测结果的相似性分析
- 划痕实验图像检测：识别划痕实验结果的重复使用
- 变换图像识别：即使经过旋转、镜像、缩放、裁剪、亮度对比度调整，依然能精准识别
- AI生成内容识别：检测可能由AI生成的图像内容（测试中）
投稿前自查建议
为避免类似撤稿风险，特别是涉及多领域研究时，建议科研人员：
- 进行全面跨论文检测：使用ImageTwin检测新论文是否与已发表论文（包括本课题组不同领域的成果）存在数据重复
- 进行组内交叉检查：仔细核对同一论文内不同图表是否存在重复数据
- 警惕“一稿两用”风险：确保同一组数据不用于支持不同研究领域的多个研究结论
- 积极回应学术质疑：如遇质疑，应主动配合调查、提供原始数据，避免沉默应对导致撤稿
- 保留原始实验数据：妥善保存未处理的原始图片和数据，以备编辑部要求核验
- 建立课题组内部审核机制：在论文投稿前进行内部数据审查，包括跨论文、跨领域的全面比对
本文内容综合整理自《Molecular Medicine Reports》撤稿公告、PubPeer学术讨论平台及citexs赛特新思资讯。如需了解图片查重详情，请访问官网或联系客服。