Todas las revistas científicas ahora realizarán una verificación basada en inteligencia artificial para garantizar que las imágenes no sean fraudulentas.

El jueves, la editorial de investigación Science anunció que todas sus revistas comenzarán a utilizar software comercial que automatiza el proceso de detección de imágenes manipuladas incorrectamente. Esta medida se produce muchos años después de que nos dimos cuenta de que el cambio a los datos y las publicaciones digitales había hecho que fuera más fácil cometer fraude en la investigación mediante la alteración de imágenes.

Aunque este es un primer paso importante, es importante reconocer las limitaciones del programa. Aunque podrá detectar algunos de los casos más atroces de manipulación de fotografías, los estafadores emprendedores pueden evitar fácilmente ser atrapados si saben cómo funciona el software. Lo cual, lamentablemente, nos sentimos obligados a describir (y para ser justos, la empresa que desarrolló el programa lo hace en su sitio web).

Una estafa fascinante y cómo detectarla

Gran parte del fraude basado en imágenes que hemos visto surge de un dilema al que se enfrentan muchos científicos: realizar experimentos no es un problema, pero los datos que generan a menudo no son los que se desean. Quizás sólo funcionen los controles, o quizás los experimentos produzcan datos que no se pueden distinguir de los controles. Para las personas sin ética, esto no es un problema porque nadie excepto usted sabe qué imágenes provienen de qué muestras. Es relativamente fácil presentar imágenes de datos reales como algo que no son.

Para ilustrar esto, podemos observar los datos mediante un procedimiento llamado mancha occidental, que utiliza anticuerpos para identificar proteínas específicas de una mezcla compleja que se ha separado según el tamaño de la proteína. Los datos típicos de transferencia Western se parecen a la imagen de la derecha, donde la oscuridad de las bandas representa proteínas presentes en diferentes niveles en diferentes condiciones.

Tenga en cuenta que las bandas son relativamente anodinas y están recortadas de imágenes más grandes de los datos sin procesar, desconectándolas de su contexto original. Es posible tomar bandas de un experimento y correlacionarlas en una imagen de un experimento completamente diferente, generando de manera fraudulenta “evidencia” que no existe. Se pueden hacer cosas similares con gráficos, imágenes de celdas, etc.

Debido a que los datos son difíciles de obtener y los estafadores suelen ser perezosos, en muchos casos, las imágenes originales y fraudulentas se extraen de los datos utilizados para el mismo artículo. Para cubrir sus huellas, los investigadores poco éticos a menudo rotan, hacen zoom, recortan o cambian sus imágenes de brillo/contraste y las usan más de una vez en el mismo artículo.

No todo el mundo es tan vago. Pero ese reciclaje de imágenes es notablemente común y quizás la forma más frustrante de fraude en la investigación. Toda la evidencia está en el papel y, por lo general, es fácil de ver una vez que la señalas. Pero puede ser muy difícil de detectar en primer lugar.

El desafío del “lugar en primer lugar” es por qué la ciencia recurrió a él Un servicio llamado Proofig Para que sea más fácil detectar problemas.