Não há conflito com o presente artigo
Gláucia Maria Moraes de Oliveira
Recentemente, os autores deste artigo “Ponto de Vista“ foram convidados a revisar por pares um manuscrito para um prestigiado periódico cardiovascular internacional. Após dedicar alguns dias à análise, eles decidiram, por curiosidade, inserir o manuscrito em um modelo de linguagem de inteligência artificial (IA) comercialmente disponível com o seguinte prompt: “Analise e Critique o Arquivo Anexo”. Ambos os revisores ficaram surpresos com a resposta gerada em segundos pelo algoritmo de IA — sua profundidade e precisão superaram suas expectativas, com alguns insights se mostrando complementares aos seus. Como resultado, eles incorporaram esses elementos à revisão oficial submetida ao periódico.
Essa experiência, no entanto, levantou outra questão: eles deveriam reconhecer a assistência fornecida pelo algoritmo de IA? Sem saber a resposta, eles consultaram outros médicos que revisam regularmente manuscritos para periódicos de alto impacto, e suas opiniões variaram bastante. Alguns argumentaram que a IA é apenas uma ferramenta para aumentar a eficiência, não exigindo reconhecimento — os revisores são responsáveis pelo conteúdo final e devem usar quaisquer estratégias que lhes permitam alcançar o melhor resultado. Outros insistiram que não divulgar a assistência da IA seria antiético.
Para resolver o dilema, os autores recorreram novamente à própria IA para obter insights sobre seu papel no processo de revisão por pares de manuscritos médicos. A resposta, apresentada aqui, exigiu ajustes editoriais mínimos por parte dos autores.
O processo de revisão por pares é um pilar fundamental da integridade científica, particularmente na área da medicina, onde uma avaliação rigorosa garante que a pesquisa publicada seja confiável, reproduzível e segura para aplicação clínica. No entanto, o crescente volume de artigos médicos submetidos para publicação, aliado à complexidade da pesquisa moderna, tem sobrecarregado o sistema tradicional de revisão por pares.
O uso de IA na revisão por pares de artigos médicos representa uma oportunidade transformadora para enfrentar os crescentes desafios da publicação acadêmica em uma área onde precisão, pontualidade e confiabilidade são primordiais. No entanto, além de seus potenciais benefícios, a IA apresenta desvantagens significativas e desafios notáveis. Este ensaio examina os benefícios e as deficiências da IA na análise por pares de artigos médicos, bem como as implicações éticas de sua integração.
Um resumo das principais vantagens e desvantagens da IA na revisão por pares é apresentado na
IA: inteligência artificial.
Vantagens
Desvantagens
Eficiência e velocidade aprimoradas
Compreensão contextual limitada
Objetividade e consistência aprimoradas
Risco de excesso de confiança e desqualificação
Escalabilidade e suporte para revisores
Viés nos dados de treinamento
Detecção de erros e controle de qualidade
Erros técnicos e falsos positivos/negativos
Aprendizagem contínua e adaptabilidade
Barreiras de custo e acessibilidade
A integração da IA no processo de revisão por pares de artigos médicos introduz uma série de considerações éticas que vão além de suas vantagens e limitações técnicas. Essas preocupações envolvem justiça, transparência, responsabilização, equidade e a preservação da supervisão humana em um campo em que os riscos — saúde e bem-estar humanos — são excepcionalmente altos.
Embora a IA ofereça benefícios inegáveis, sua integração deve ser pautada por princípios que priorizem a confiança, a justiça e o contexto humano da medicina. Os periódicos devem adotar a IA de forma transparente, como um complemento e não como um substituto para a expertise humana, e garantir que seu uso não aprofunde desigualdades ou obscureça responsabilidades. Ao abordar esses desafios éticos de frente, a comunidade médica pode aproveitar o potencial da IA salvaguardando os valores que sustentam a investigação científica e o atendimento ao paciente. Em última análise, a questão não é se a IA pode auxiliar na revisão por pares, mas como ela pode fazê-lo de forma a manter os mais altos padrões éticos.
Uma das principais questões éticas é se é justo submeter o trabalho de um autor à avaliação por uma máquina em vez de um especialista humano. A revisão por pares tem sido, há muito tempo, um processo conduzido por humanos, fundamentado na expertise, empatia e raciocínio crítico de cientistas que entendem os desafios da pesquisa. Um sistema de IA, por mais sofisticado que seja, carece da experiência vivida e da intuição que os revisores humanos trazem para a mesa. Por exemplo, um pesquisador que propõe uma nova hipótese que desafia a sabedoria convencional pode ser injustamente penalizado por uma IA treinada em padrões existentes, o que poderia sinalizar o trabalho como um caso atípico ou anomalia em vez de reconhecer seu potencial brilhantismo. Isso levanta a questão de se os autores merecem um processo de revisão que valorize plenamente o contexto humano de seu trabalho, especialmente na medicina, onde a inovação pode salvar vidas.
Além disso, a justiça se estende à consistência. Se alguns periódicos adotarem revisão assistida por IA enquanto outros dependem exclusivamente de revisores humanos, podem surgir disparidades no escrutínio. Um artigo rejeitado por um processo baseado em IA pode ter sido aceito sob revisão humana, ou vice-versa, potencialmente afetando a trajetória profissional do autor, as oportunidades de financiamento ou a capacidade de influenciar a prática clínica. Essa variabilidade desafia o princípio de tratamento equitativo em toda a comunidade científica.
A transparência é um pilar fundamental da prática científica ética, mas o uso de IA na revisão por pares complica esse ideal. Os periódicos devem divulgar quando as ferramentas de IA são utilizadas e, em caso afirmativo, em que medida? Se um sistema de IA sinalizar um erro estatístico ou potencial plágio, os autores têm o direito de saber como essa determinação foi feita — no entanto, a natureza de “caixa preta” de muitos algoritmos de IA dificulta a explicação das decisões em termos humanos. Sem uma divulgação clara, autores e leitores podem questionar a legitimidade do processo de revisão, suspeitando que julgamentos opacos de máquinas substituíram a rigorosa avaliação humana.
Essa falta de transparência pode minar a confiança, um ativo essencial na publicação médica. Os leitores dependem de periódicos revisados por pares para fornecer pesquisas confiáveis e verificadas que embasam decisões clínicas. Se perceberem que a IA está moldando silenciosamente os resultados — talvez rejeitando estudos válidos ou aprovando estudos falhos devido a peculiaridades algorítmicas —, a confiança na literatura pode vacilar. Do ponto de vista ético, os periódicos devem encontrar um equilíbrio entre a eficiência da IA e a necessidade de manter um processo aberto e confiável, possivelmente exigindo relatórios detalhados sobre o papel e as limitações da IA.
Uma questão ética particularmente espinhosa é a da responsabilização. Na revisão por pares tradicional, revisores e editores humanos são responsáveis por seus julgamentos. Se um estudo falho escapa e causa danos — digamos, ao promover um tratamento ineficaz — a comunidade científica pode rastrear o erro até indivíduos ou processos específicos e corrigi-lo. No entanto, quando a IA está envolvida, essa cadeia de responsabilização se torna confusa. Se uma ferramenta de IA não detecta uma falha crítica em um artigo médico, quem é o culpado? Os desenvolvedores que projetaram o algoritmo? O periódico que o implementou? O revisor humano que confiou em seus resultados? A IA não pode ser responsabilizada moral ou legalmente, deixando uma lacuna que pode minar a justiça e o aprendizado com os erros.
Essa questão se torna ainda mais urgente na medicina, onde erros podem ter consequências de vida ou morte. Considere um cenário em que uma revisão assistida por IA aprova um estudo com falhas metodológicas sutis, resultando em uma diretriz clínica amplamente adotada, mas potencialmente prejudicial. A difusão de responsabilidades — entre humanos e máquinas — pode atrasar ações corretivas e agravar os danos. Do ponto de vista ético, o uso de IA exige uma estrutura clara de supervisão, garantindo que os revisores humanos mantenham a autoridade máxima e que os periódicos estabeleçam protocolos para auditar as decisões de IA.
O princípio ético da equidade levanta questões sobre quem se beneficia da IA na revisão por pares e quem pode ficar para trás. Ferramentas avançadas de IA frequentemente exigem investimentos financeiros significativos, recursos computacionais e expertise para serem implementadas de forma eficaz. Periódicos de prestígio e bem financiados podem adotar prontamente essas tecnologias, aumentando sua eficiência e reputação, enquanto periódicos menores ou aqueles em ambientes com poucos recursos podem ter dificuldade para acompanhar o ritmo. Isso pode exacerbar as disparidades existentes na publicação acadêmica, onde pesquisadores já marginalizados — como aqueles de países em desenvolvimento ou instituições subfinanciadas — enfrentam barreiras adicionais para ter seus trabalhos revisados e publicados.
Tais desigualdades podem ter efeitos colaterais sobre o conhecimento médico. Se periódicos assistidos por IA publicarem desproporcionalmente pesquisas de regiões ou instituições com bons recursos, a comunidade médica global poderá perder perspectivas diversas, especialmente de áreas onde as doenças são endêmicas, mas a infraestrutura de pesquisa é limitada. Do ponto de vista ético, a implantação da IA não deve exacerbar essas lacunas; em vez disso, esforços devem ser feitos para garantir amplo acesso, talvez por meio do uso de ferramentas de IA de código aberto ou de subsídios para periódicos menores.
Em sua essência, o debate ético gira em torno do papel do julgamento humano na ciência. A medicina não é meramente uma área técnica, mas profundamente humana, envolvendo dilemas éticos, experiências de pacientes e implicações sociais que a IA não consegue compreender plenamente. A revisão por pares visa tanto avaliar o peso moral de um estudo — seu potencial para curar ou causar danos — quanto verificar seus dados. Uma IA pode ser excelente em detectar erros estatísticos, mas falhar ao avaliar se as conclusões de um estudo ultrapassam suas evidências de forma a induzir médicos ou formuladores de políticas a erro.
O uso da IA corre o risco de diminuir esse elemento humano, transformando a revisão por pares em uma lista de verificação mecânica em vez de um processo reflexivo e deliberativo. Do ponto de vista ético, a comunidade científica deve questionar se a eficiência justifica deixar de lado a empatia, a criatividade e a sensibilidade ética proporcionadas por revisores humanos. Uma abordagem equilibrada — na qual a IA lida com tarefas rotineiras, mas os humanos mantêm o controle sobre os julgamentos interpretativos e morais — parece essencial para preservar a integridade da pesquisa médica.
Quando um manuscrito é publicado — seja por um revisor verificando erros, um editor resumindo o conteúdo ou um periódico testando plágio — os dados geralmente saem do ambiente controlado dos servidores da editora ou instituição. Em vez disso, são transmitidos para plataformas externas, normalmente gerenciadas por empresas privadas. Essas plataformas podem não estar vinculadas aos mesmos padrões rigorosos de confidencialidade dos periódicos acadêmicos, que tradicionalmente tratam manuscritos não publicados como sagrados até a publicação formal. O próprio ato de publicar transfere o controle do autor e da editora, introduzindo uma terceira parte que pode não priorizar ou garantir o mesmo nível de privacidade.
Um perigo específico é que os dados enviados podem ser retidos para fins de treinamento. Muitos sistemas de IA melhoram seu desempenho incorporando entradas do usuário em seus conjuntos de dados de treinamento. Se um manuscrito contendo novas descobertas de pesquisa, dados experimentais ou metodologias inovadoras for inserido em um sistema desse tipo, ele poderá ser armazenado indefinidamente nos servidores do provedor. Pior ainda, poderá ser processado e integrado à base de conhecimento da IA potencialmente ressurgindo em resultados futuros.
O segundo grande risco — vulnerabilidade a vazamentos ou ataques de hackers — agrava esse problema. Um hacker que obtivesse acesso aos servidores de um provedor de IA poderia extrair manuscritos não publicados, notas de revisores ou identidades de autores, especialmente em processos com dupla ocultação, onde o anonimato é crucial. Mesmo sem intenção maliciosa, vazamentos acidentais poderiam ocorrer — por exemplo, por meio de um servidor mal configurado ou de um erro de funcionário —, liberando material confidencial para o domínio público. Violações de confidencialidade poderiam minar a confiança no sistema de revisão por pares, dissuadir autores de submeter artigos a periódicos que utilizam IA ou gerar disputas legais sobre propriedade intelectual. Para áreas como farmacêutica ou tecnologia, onde o sigilo pré-publicação é fundamental, os riscos são ainda maiores.
A análise de artigos médicos por pares assistida por IA oferece vantagens inegáveis, incluindo maior eficiência, objetividade e escalabilidade. No entanto, suas limitações — como falta de compreensão contextual, potencial para excesso de confiança e vieses técnicos — destacam a necessidade de uma implementação cuidadosa. Do ponto de vista ético, o uso de IA é permissível e até benéfico, desde que seja transparente, complementar à expertise humana e projetado para minimizar desigualdades e erros.
Em vez de substituir revisores humanos, a IA deve servir como uma ferramenta colaborativa, ampliando suas capacidades e preservando o julgamento humano essencial à ciência médica. Os periódicos devem estabelecer diretrizes claras para o papel da IA garantindo a responsabilização e mantendo a confiança da comunidade científica. Com essas salvaguardas em vigor, a IA pode aprimorar o processo de revisão por pares sem comprometer sua integridade, promovendo, em última análise, a qualidade e a confiabilidade da pesquisa médica em um mundo cada vez mais complexo.
O manuscrito foi totalmente criado por um sistema de IA. Nenhuma contribuição direta dos autores citados foi incorporada ao texto. No entanto, os autores removeram parágrafos considerados redundantes para simplificar o conteúdo.
Um algoritmo de detecção de plágio encontrou 0% de similaridade entre o texto do manuscrito e as fontes online.
Uma ferramenta adicional de verificação gramatical baseada em IA não sugeriu nenhuma correção no texto do manuscrito.
Para leitura adicional, os artigos sugeridos estão listados na seção “Referências”.
Não há vinculação deste estudo a programas de pós-graduação.
Este artigo não contém estudos com humanos ou animais realizados por nenhum dos autores.
Durante a preparação deste trabalho, o(s) autor(es) usaram ChatGPT para a redação completa do artigo, conforme descrito no corpo do texto. Após o uso desta ferramenta/serviço, o(s) autor(es) revisaram e editaram o conteúdo conforme necessário e assumem total responsabilidade pelo conteúdo do artigo publicado.
Os conteúdos subjacentes ao texto da pesquisa estão contidos no manuscrito.
O presente estudo não teve fontes de financiamento externas.
No potential conflict of interest relevant to this article was reported.
Gláucia Maria Moraes de Oliveira
Recently, the authors of this “Viewpoint” article were invited to peer review a manuscript for a prestigious international cardiovascular journal. After dedicating a few days to the analysis, they decided, out of curiosity, to upload the manuscript into a commercially available large language model with artificial intelligence (AI) capabilities, using the following prompt: “Analyze and Criticize the Attached File.” Both reviewers were astonished by the response generated within seconds by the AI algorithm — its depth and precision exceeded their expectations, with some insights proving complementary to their own. As a result, they incorporated these elements into the official review submitted to the journal.
This experience, however, raised another question: should they acknowledge the assistance provided by the AI algorithm? Uncertain of the answer, they consulted other physicians who regularly review manuscripts for high-impact journals, and their opinions varied widely. Some argued that AI is merely a tool to enhance efficiency, requiring no acknowledgment—reviewers are accountable for the final content and should use whatever strategies enable them to achieve the best outcome. Others insisted that failing to disclose AI assistance would be unethical.
To resolve the dilemma, the authors yet again turned to AI itself for insight into its role in the peer review process of medical manuscripts. The response, presented here, required minimal editorial adjustments from the authors.
The peer review process is a cornerstone of scientific integrity, particularly in the field of medicine, where rigorous evaluation ensures that published research is credible, reproducible, and safe for clinical application. However, the growing volume of medical articles submitted for publication, coupled with the complexity of modern research, has strained the traditional peer review system.
The use of AI in the peer review of medical articles represents a transformative opportunity to address the mounting challenges of academic publishing in a field where accuracy, timeliness, and reliability are paramount. However, alongside its potential benefits, AI introduces significant drawbacks and notable challenges. This essay examines the benefits and shortcomings of AI in the peer review analysis of medical articles, as well as the ethical implications of its integration.
A summary of the main advantages and disadvantages of AI in peer review is presented in
AI: artificial intelligence.
Advantages
Disadvantages
Enhanced efficiency and speed: AI processes large volumes of text quickly, checking references, analyzing data, and screening for plagiarism, reducing review time and publication delays.
Limited contextual understanding: AI struggles with nuanced aspects of research, such as interpreting ambiguous language or recognizing unconventional approaches, which can result in the potential missing of groundbreaking work.
Improved objectivity and consistency: AI evaluates manuscripts without personal biases, using standardized criteria to ensure equitable judgment based on merit.
Risk of over-reliance and deskilling: Over-dependence on AI may reduce critical thinking among reviewers, leading to a loss of expertise and vigilance.
Scalability and support for reviewers: AI assists less experienced reviewers and handles preliminary tasks, allowing experts to focus on complex evaluations and enabling smaller journals to maintain high standards.
Bias in training data: AI trained on biased datasets may undervalue research from underrepresented regions or specialties, reinforcing publishing inequities.
Error detection and quality control: AI identifies technical errors, inconsistencies, and manipulated data, enhancing the integrity of medical literature.
Technical errors and false positives/negatives: AI can produce errors like false plagiarism accusations or miss subtle manipulations, disrupting the review process.
Continuous learning and adaptability: AI improves over time, staying current with evolving research standards without extensive human retraining.
Cost and accessibility barriers: The high costs of AI development and maintenance may limit adoption to well-funded journals, thereby widening disparities in publishing quality.
The integration of AI into the peer review process of medical articles introduces a range of ethical considerations that extend beyond its technical advantages and limitations. These concerns touch on fairness, transparency, accountability, equity, and the preservation of human oversight in a field where the stakes—human health and well-being—are exceptionally high.
While AI offers undeniable benefits, its integration must be guided by principles that prioritize trust, justice, and the human context of medicine. Journals should adopt AI transparently, as a supplement rather than a substitute for human expertise, and ensure that its use does not deepen inequities or obscure responsibility. By addressing these ethical challenges head-on, the medical community can harness AI’s potential while safeguarding the values that underpin scientific inquiry and patient care. Ultimately, the question is not whether AI can assist in peer review but how it can do so in a way that upholds the highest ethical standards.
One of the primary ethical questions is whether it is fair to subject an author’s work to evaluation by a machine rather than a human expert. Peer review has long been a human-driven process grounded in the expertise, empathy, and critical reasoning of scientists who understand the challenges of research. An AI system, no matter how sophisticated, lacks the lived experience and intuition that human reviewers bring to the table. For instance, a researcher proposing a novel hypothesis that challenges conventional wisdom might be unfairly penalized by an AI trained on existing patterns, which could flag the work as an outlier or anomaly rather than recognizing its potential brilliance. This raises the issue of whether authors deserve a review process that fully appreciates the human context of their work, especially in medicine, where innovation can save lives.
Moreover, fairness extends to consistency. If some journals adopt AI-assisted review while others rely solely on human reviewers, disparities in scrutiny could emerge. A paper rejected by an AI-driven process might have been accepted under human review, or vice versa, potentially affecting an author’s career trajectory, funding opportunities, or ability to influence clinical practice. This variability challenges the principle of equitable treatment across the scientific community.
Transparency is a cornerstone of ethical scientific practice, yet the use of AI in peer review complicates this ideal. Should journals disclose when AI tools are used, and if so, to what extent? If an AI system flags a statistical error or potential plagiarism, authors have a right to know how that determination was made—yet the “black box” nature of many AI algorithms makes it difficult to explain decisions in human terms. Without clear disclosure, authors and readers might question the legitimacy of the review process, suspecting that opaque machine judgments have replaced rigorous human evaluation.
This lack of transparency could erode trust, a critical currency in medical publishing. Readers rely on peer-reviewed journals to provide credible, vetted research that informs clinical decisions. If they perceive that AI is silently shaping outcomes—perhaps rejecting valid studies or approving flawed ones due to algorithmic quirks—confidence in the literature could falter. Ethically, journals must strike a balance between the efficiency of AI and the imperative to maintain an open and trustworthy process, possibly by mandating detailed reporting on AI’s role and limitations.
A particularly thorny ethical issue is accountability. In traditional peer review, human reviewers and editors bear responsibility for their judgments. If a flawed study slips through and causes harm—say, by promoting an ineffective treatment—the scientific community can trace the error back to specific individuals or processes and address it. However, when AI is involved, this chain of accountability becomes blurred. If an AI tool misses a critical flaw in a medical article, who is at fault? The developers who designed the algorithm? The journal that deployed it? The human reviewer who trusted its output? AI cannot be held morally or legally accountable, leaving a gap that could undermine justice and learning from mistakes.
This issue becomes even more pressing in medicine, where errors can have life-or-death consequences. Consider a scenario in which an AI-assisted review approves a study with subtle methodological flaws, resulting in a widely adopted but potentially harmful clinical guideline. The diffusion of responsibility—between humans and machines—could delay corrective action and exacerbate harm. Ethically, the use of AI demands a clear framework for oversight, ensuring that human reviewers retain ultimate authority and that journals establish protocols for auditing AI decisions.
The ethical principle of equity raises questions about who benefits from AI in peer review and who might be left behind. Advanced AI tools often require significant financial investment, computational resources, and expertise to implement effectively. Prestigious, well-funded journals may readily adopt these technologies, enhancing their efficiency and reputation, while smaller journals or those in low-resource settings might struggle to keep pace. This could exacerbate existing disparities in academic publishing, where already marginalized researchers—such as those from developing countries or underfunded institutions—face additional barriers to having their work reviewed and published.
Such inequities could have downstream effects on medical knowledge. If AI-assisted journals disproportionately publish research from well-resourced regions or institutions, the global medical community might miss out on diverse perspectives, particularly from areas where diseases are endemic, but research infrastructure is limited. Ethically, the deployment of AI should not exacerbate these gaps; instead, efforts should be made to ensure broad access, perhaps through the use of open-source AI tools or subsidies for smaller journals.
At its core, the ethical debate hinges on the role of human judgment in science. Medicine is not merely a technical field but a deeply human one involving ethical dilemmas, patient experiences, and societal implications that AI cannot fully comprehend. Peer review is as much about assessing the moral weight of a study—its potential to heal or harm—as it is about verifying its data. An AI might excel at spotting statistical errors but falter when evaluating whether a study’s conclusions overstep its evidence in ways that could mislead clinicians or policymakers.
Using AI risks diminishing this human element, turning peer review into a mechanical checklist rather than a reflective, deliberative process. Ethically, the scientific community must ask whether efficiency justifies sidelining the empathy, creativity, and ethical sensitivity that human reviewers provide. A balanced approach—where AI handles rote tasks, but humans retain control over interpretive and moral judgments—seems essential to preserving the integrity of medical research.
When a manuscript is uploaded—whether by a reviewer checking for errors, an editor summarizing content, or a journal testing for plagiarism—the data often leaves the controlled environment of the publisher’s or institution’s servers. Instead, it is transmitted to external platforms, typically managed by private companies. These platforms may not be bound by the same strict confidentiality standards as academic journals, which traditionally treat unpublished manuscripts as sacrosanct until formal publication. The act of uploading itself shifts control away from the author and publisher, introducing a third party that may not prioritize or guarantee the same level of privacy.
One specific danger is that the uploaded data might be retained for training purposes. Many AI systems improve their performance by incorporating user inputs into their training datasets. If a manuscript containing novel research findings, experimental data, or innovative methodologies is fed into such a system, it could be stored indefinitely on the provider’s servers. Worse, it might be processed and integrated into the AI’s knowledge base, potentially resurfacing in future outputs.
The second major risk—vulnerability to leaks or hacking—compounds this issue. A hacker gaining access to an AI provider’s servers could extract unpublished manuscripts, reviewer notes, or author identities, especially in double-masked processes where anonymity is critical. Even without malicious intent, accidental leaks could occur—say, through a misconfigured server or an employee error—releasing confidential material into the public domain. Confidentiality breaches could erode trust in the peer review system, deter authors from submitting to journals using AI, or spark legal disputes over intellectual property. For fields like pharmaceuticals or technology, where pre-publication secrecy is paramount, the stakes are even higher.
AI-assisted peer review analysis of medical articles offers undeniable advantages, including increased efficiency, objectivity, and scalability. However, its limitations—such as lack of contextual understanding, potential for over-reliance, and technical biases—highlight the need for careful implementation. Ethically, the use of AI is permissible and even beneficial, provided it is transparent, supplementary to human expertise, and designed to minimize inequities and errors.
Rather than replacing human reviewers, AI should serve as a collaborative tool, augmenting their capabilities while preserving the human judgment that is essential to medical science. Journals must establish clear guidelines for AI’s role, ensuring accountability and maintaining the trust of the scientific community. With these safeguards in place, AI can enhance the peer review process without compromising its integrity, ultimately advancing the quality and reliability of medical research in an increasingly complex world.
The manuscript was fully authored by an AI system. No direct contributions from the named authors were incorporated into the text. However, the authors removed paragraphs deemed redundant to streamline the content.
A plagiarism detection algorithm found 0% similarity between the manuscript’s text and online sources.
An additional AI-based grammar-checking tool suggested no corrections to the manuscript’s text.
For further reading, suggested articles are listed in the “References” section.
This study is not associated with any thesis or dissertation work.
This article does not contain any studies with human participants or animals performed by any of the authors.
During the preparation of this work, the author(s) used ChatGPT to write the entire article, as described in the body of the text. After using this tool/service, the author(s) reviewed and edited the content as needed and take full responsibility for the content of the published article.
The underlying content of the research text is contained within the manuscript.
There were no external funding sources for this study.