科研道德

如何识别问题图片——给审稿人的纠错指南

Curious to know professionals, researchers and entrepreneurs engaged in creative pursuits, interested in writing about issues that plague higher education and research

Sep 23, 2022 559 views

学术界的图片作假现象层出不穷。随着图片处理技术推陈出新，作假也生出了更多花样，而人工智能 (AI) 精细作假便是其中的典型例子¹。

现阶段自动鉴别图片真伪的技术还不成熟。尽管学术出版界已陆续引入了新型图像取证工具、用于识别复制图片的AI技术²、由数据专家提供的甄别服务等多种手段，应对图片作假的关键还在于同行评审。

审稿人在维护科研诚信中的作用

审稿人是问题图片流入学术出版的重要防线。如果审稿人不具备识别问题图片的技能，或缺乏警觉，则有可能使作假图片成为同行评审的漏网之鱼。

如果要举因图片作假而闻名的科研不端案例，少不了黄禹锡事件。黄禹锡在韩国从事兽医研究，此前曾在主流期刊发表过一篇研究发现极为突出的干细胞研究论文，后来该研究却被控篡改图片³，曾在业界引起关注与讨论。此外，从事癌症研究的Min-Jean Yin⁴和免疫学家Silvia Bulfone-Paus⁵都曾因论文图片作假引出过风波。尽管研究者应当自我约束，在学术上诚实，但当不道德的学术事件出现时，审稿人也有责任守住科研的底线。

许多图片作假都是论文发表后被其他研究者发现的。这些研究者有的本身也在从事审稿工作，有的积极宣扬科研诚信并创立了与之相关的公司。Mike Rossner便是最早倡导学术道德的先锋人物之一⁶。生物学家Enrico Bucci也于近期发现了Scientific Reports上发表的多处图片盗用及数据错误⁷。

然而，要想在学术发表早期识别出问题图像，还得靠审稿人在外审中发出预警。那些声称对科学及社会有重大影响的研究有时会把审稿人唬住，而也正是这类稿件急需图表、数据方面的严格审核，因为将研究错误地附上开创性属性对学术的潜在危害是巨大的。许多人认为审稿工作很具挑战性，部分原因是如今的审稿人未必接受过系统的训练。

如今，顶级期刊也难逃学术作假丑闻，审稿人仅凭同领域的专业知识已无法识别所有科研不端行为。培养甄别伪造图片的观察力及评估图片信度的判断力同样必要。

如何培养识别问题图片的技能

1. 熟读期刊的投稿指南

许多期刊都在投稿指南中对过度美化、裁剪、拼接有明确定义，为期刊审稿前请先参阅相关说明，熟悉裁决标准。

2. 了解常见的几种图片作假类型

科研诚信顾问Elisabeth Bik将问题图片分为三大类⁸：

在单张或多张论文大图中重复使用同一张图像素材，并谎称其为不同实验的结果；
通过调整图片位置（整体或局部）而达成重复使用的目的；
通过多次复制局部素材、拼接背景等手段篡改图片，而达成重复使用的目的。

3. 了解图像取证工具

用来处理图片的软件在识别篡改图片上同样派得上用场，比如Image J——常用于识别凝胶迁移图片中的错误；Photoshop droplets——能够识别明暗或对比度上的更改；Adobe bridge——适合检查由多图合成的论文大图。据Elisabeth Bik称，她已在一款名为Forensically⁹的免费图像取证工具的帮助下成功识别了多个问题图片¹⁰。此外，洪堡-爱思唯尔高级数据与文本 (The Humboldt-Elsevier Advanced Data and Text, HEADT)中心¹¹、美国科研诚信办公室 (Office of Research Integrity, ORI)¹²官网都有如何利用软件识别篡改图片的相关内容。审稿人未必需要实际使用这些软件，但了解市面上的相关主流产品对识别问题图片有利无害。

4. 参与相关讲座及培训

包括ORI和HEADT中心在内的许多组织都会举办线上讲座、培训，旨在提升人们对图片作假问题的认识，可以留意类似的活动信息。

5. 在社交媒体关注相关科普自媒体及媒体

关注当下被相关媒体与自媒体热议的话题。科普记者及从业者常在社交媒体上发布披露学术造假的文章及对研究数据完整性的专业人士的访谈。保持对行业动态的关注也对识别新型图片作假的手段有帮助。

6. 关注主流科研论坛，了解学术不端趋势

PubPeer论坛¹³及Retraction watch网站¹⁴都会对最新的科研作假事件或当下具有争议的话题迅速反应，其中当然也涵盖图片作假相关的新闻。

7. 放眼全局

审稿时注意厘清研究背景、研究方法/使用设备、作者选择呈现数据的角度三者之间的关系，有时放眼全局更容易发现问题。

8. 回到细节

不妨从和研究发现联系最紧密的那张图入手，仔细检查：

图片边缘是否有异样；
是否有亮点、异常无杂质的背景或不寻常的色调变化，它们可能是图片经改动后留下的痕迹；
图片中模块/元素的尺寸、角度及位置是否协调一致；
图片背景及当中图像元素的纹理是否相似或重合。

9. 借助以往的科研经验

审稿人不妨将自己科研经历中接触过的实验图片作为参考，去判断图片是否可疑，应格外注意那些不寻常的部分。如果怀疑某一图片并非原图，可以使谷歌图片搜索试着找出图片源。
累积同一类型稿件的审稿经验。举例来说，如果你常审使用免疫印迹法的稿件，不妨有意识地记住常见的图片类型，必要时可以试着回想是否见过类似的图片或图像元素。
运用自己的图片处理技能。比如用Photoshop检测图片中的异常像素，以此判断是否有蓄意修改之嫌，也可以用PowerPoint中的图片重置工具还原出原始图像。

向期刊编辑举报疑似的科研不端

审稿人承担着维护科研诚信的责任，一旦发现疑似科研不端的行为应告知期刊。以下是几点建议：

将告知疑似科研不端行为视为对科学负责。对同行的科研信誉提出质疑可能会为一些审稿人带来压力，将其视为一种岗位职责或许有助于克服此类心理障碍。

保持客观。审稿人需要实事求是、清晰、具体地向期刊编辑描述疑似存在的问题，其目的是给期刊编辑足够的背景信息，以便她们/他们作出决定。

态度友善、谨慎定性。审稿人仅基于稿件提出质疑，并不负责裁决。避免直接评价个人，也不要妄称作者意图作假。审稿人的描述应就事论事、中立得当，将调查及决定的余地交给编辑。

图像识别技术在未来将成为揪出学术造假的更为有效的手段，但在此之前，科研道德的底线还要由审稿人来守。此外，审稿人还可以通过对问题图片作标记来丰富作假图像数据库，为最终实现图片作假自动化识别出力。

参考文献

1. Wang, L., Zhou, L., Yang, W. & Yu, R. Deepfakes: A new threat to image fabrication in scientific publications? Patterns 3, 100509 (2022).

2. Noorden, R. V. Journals adopt AI to spot duplicated images in manuscripts. Nature https://www.nature.com/articles/d41586-021-03807-6 (2021).

3. Lemonick, M. D. The Rise and Fall of the Cloning King - TIME. TIME http://content.time.com/time/magazine/article/0,9171,1145236,00.html (2006).

4. Terry, M. Former Pfizer Cancer Scientist Gets All 5 Papers Retracted. BioSpace https://www.biospace.com/article/former-pfizer-cancer-scientist-gets-all-5-papers-retracted-/ (2017).

5. Schiermeier, Q. German research centre widens misconduct probe | Nature. Nature https://www.nature.com/articles/news.2010.671 (2010).

6. Rossner, M. & Yamada, K. M. What’s in a picture? The temptation of image manipulation. J. Cell Biol. 166, 11–15 (2004).

7. Guglielmi, G. Peer-reviewed homeopathy study sparks uproar in Italy. Nature https://www.nature.com/articles/d41586-018-06967-0 (2018).

8. Bik, E. M., Casadevall, A. & Fang, F. C. The Prevalence of Inappropriate Image Duplication in Biomedical Research Publications. mBio 7, e00809-16 (2016).

9. Forensically, free online photo forensics tools. https://29a.ch/photo-forensics/.

10. Turan, J. The science and art of detecting data manipulation and fraud: An interview with Elisabeth Bik. The Physiological Society (2020).

11. Thorsten S. Beck. HEADT Centre - How to Detect Image Manipulations? Part 3. The Headt Centre https://headt.eu/How-to-Detect-Image-Manipulations-Part-3/ (2017).

12. Forensic Tools | ORI - The Office of Research Integrity. https://ori.hhs.gov/forensic-tools.

13. PubPeer - Search publications and join the conversation. https://pubpeer.com/.

14. Retraction Watch. Retraction Watch https://retractionwatch.com/.

延伸阅读

Beck, Thorsten S. Shaping Images. Scholarly Perspectives on Image Manipulation. (Humboldt-Universitat zu Berlin, 2016)

编者按：如有兴趣进一步了解审稿人在实操中如何识别问题图片，欢迎点击查看由独立科研道德专家Elisabeth Bik及Wiley科研诚信与发表道德总监Michael Streeter的圆桌讨论。