你可能刷到過這樣的視頻：一個年輕人對著鏡頭，語氣篤定地告訴你，你每天涂的那層防曬霜其實在慢慢毒害你。底下的評論炸開了鍋，點贊數以萬計。你心里咯噔一下，手不自覺地摸了摸桌上那管剛買的SPF50。

說人話就是，這件事本身并不復雜，但真正讓人好奇的是另一個問題——為什么那些聽起來最嚇人的說法，總是傳得最快？

科學家和皮膚科醫生幾十年來一直在說同一件事：防曬霜是降低皮膚癌風險最簡單、最有效的辦法。但如果你花點時間泡在TikTok上，你很可能會得出完全相反的印象。阿爾伯塔大學的研究人員最近做了一件事，他們系統性地翻看了這個平臺上跟防曬霜有關的熱門視頻，結果發現了一個讓人不安的模式。

這項新研究發表在今天出版的《PLOS數字健康》期刊上，由阿爾伯塔大學的研究助理亞歷山德羅·馬爾孔主導。他和團隊收集了971個瀏覽量極高的TikTok視頻，用的都是跟防曬相關的高頻標簽，比如#sunscreen、#sunscreenviral、#spf、#sunscreenreview和#sunprotection。這些視頻加起來，總瀏覽量達到了大約87億次。然后，他們按照視頻是在推廣防曬霜的使用，還是在對產品提出健康方面的批評，進行了分類。

數據分析的結果，既有好消息，也有壞消息。

先說好消息。在樣本中，絕大多數視頻——具體是86.8%——都在以某種方式推廣防曬霜的使用，只有6%的視頻提出了跟健康相關的批評。在這個少數批評的聲音里，有1.5%的視頻聲稱防曬霜的成分會導致長期的健康危害，另外1.2%的視頻則聲稱防曬霜會阻礙人體對維生素D的吸收。

這聽起來好像問題不大，對嗎？推廣科學的聲音在數量上占了壓倒性優勢。但壞消息恰恰藏在接下來的細節里。那些傳播科學上可疑說法的視頻，雖然總觀看量遠不如推廣防曬霜的視頻，但它們平均獲得的觀眾參與度卻高得多。勸阻人們使用防曬霜的視頻獲得了更多的點贊，被分享了更多次，也引發了更多的評論。換句話說，它們身上那種陰謀論的棱角，似乎得到了平臺算法的獎勵。

研究人員在一份聲明中這樣寫道：“那些危險地宣稱防曬霜有害或不必要的TikTok視頻，獲得相對較高的觀眾參與度。TikTok的內容創作者通常將防曬霜作為護膚流程的一部分來推廣，其中防曬霜的好處更多是與美容相關，而不是健康。”

這里有一個值得拆解的對比。當推廣防曬霜的內容把焦點放在“讓你變白”“抗老”的時候，那些反對防曬霜的內容卻在敲擊一個更原始的焦慮按鈕：這個東西在傷害你的身體。一個談的是美，一個談的是恐懼。在注意力經濟的競技場上，后者天然地更容易讓人停下來。

對防曬霜的懷疑態度本身并不新鮮，但在網絡錯誤信息飛速傳播的當下，它迎來了一個明顯的回潮。這些批評大致可以歸入幾個陣營，有些在科學上比另一些更有依據。但問題是，在短視頻的語境里，這種“有依據”與“沒依據”的邊界被有意無意地抹掉了。

我們來看看那兩個最常見的說法。第一個，防曬霜成分導致長期健康危害。這個說法的傳播者通常會提到某些化學防曬劑被皮膚吸收進入血液的問題。初步證據確實顯示，部分化學防曬成分在涂抹后可以在血液中檢測到，但檢測到不等于有毒。研究人員目前的推測是，這些成分的存在本身并不自動意味著危害，需要更多的毒理學研究才能下結論。科學界目前還沒有定論。但到了TikTok上，“還沒定論”常常變成了“已經實錘有害”。

第二個說法，防曬霜阻止維生素D吸收。這聽上去好像很有道理：你把陽光擋住了，皮膚自然就無法合成維生素D了。在理論上，這個邏輯鏈條是成立的。但現實情況比理論復雜得多。多數人日常涂抹的劑量和補涂頻率，實際上不足以完全阻斷維生素D的合成。而且，這并不是一個“要么涂防曬得維生素D缺乏癥，要么不涂才能健康”的二選一問題。科學上對這個話題的討論一直存在，但把它簡化為“涂了就會缺”的斷言，就失去了必要的精確性。

真正諷刺的地方在這里：年輕人是最喜歡上TikTok獲取健康信息的人群，而恰恰在這個群體里，與日曬損傷相關的皮膚癌發病率近年來急劇攀升。你本來是為了保護自己才去刷手機學習知識，結果刷到的卻是勸你放棄保護的內容。而那些內容，往往會獲得更多的點贊和轉發。

這不是一個簡單的“誰對誰錯”的故事。它是一個關于傳播機制如何扭曲信息權重的現實案例。當一個平臺上，獲得高參與度的內容并不等同于高質量的內容時，使用這個平臺獲取信息的人，實際上在不知不覺中進入了一個反直覺的篩選系統：你看到什么，并不取決于它有多正確，而取決于它有多能激起你的情緒。

研究人員馬爾孔和他的團隊把這個問題擺到了臺面上。他們沒有說推廣防曬霜的內容做得不夠多，而是指出了一個更深層的結構性問題：在當前的社交流量分配機制下，那個只占6%的批評聲音，在影響力上可能比86.8%的正面聲音還要大。因為算法不衡量真偽，只衡量停留時長、分享欲望和評論沖動。

最后，這件事還留下了一個不太容易回答的追問：當健康信息的主要傳播渠道變成了一套以情緒反應為燃料的推薦系統，我們應該把糾正錯誤的希望放在哪里？是期待平臺改變算法，還是期待每個人都能變成辨別科學真偽的專家？研究人員把這個數據擺在你面前，但沒有替你做判斷。也許這才是科普最難，也最誠實的那部分——告訴你這里有一個問題，而不是塞給你一個簡單到可疑的答案。