Alle wetenschappelijke tijdschriften zullen nu een door AI aangedreven controle uitvoeren om er zeker van te zijn dat afbeeldingen niet frauduleus zijn

Donderdag maakte onderzoeksuitgever Science bekend dat al zijn tijdschriften commerciële software gaan gebruiken die het proces van het detecteren van onjuist gemanipuleerde afbeeldingen automatiseert. Deze stap komt vele jaren nadat we ons realiseerden dat de verschuiving naar digitale gegevens en publicaties het gemakkelijker had gemaakt om onderzoeksfraude te plegen door afbeeldingen te wijzigen.

Hoewel dit een belangrijke eerste stap is, is het belangrijk om de beperkingen van het programma te onderkennen. Hoewel het in staat zal zijn enkele van de meest flagrante gevallen van fotomanipulatie op te sporen, kunnen ondernemende oplichters gemakkelijk voorkomen dat ze gepakt worden als ze weten hoe de software werkt. Wat we helaas verplicht zijn te beschrijven (en om eerlijk te zijn: het bedrijf dat het programma heeft ontwikkeld, doet dat op zijn website).

Een fascinerende oplichterij en hoe je deze kunt vangen

Veel van de op afbeeldingen gebaseerde fraude die we hebben gezien, komt voort uit een dilemma waar veel wetenschappers mee te maken hebben: het is geen probleem om experimenten uit te voeren, maar de gegevens die ze genereren zijn vaak niet de gegevens die je wilt. Misschien werken alleen controles, of misschien leveren experimenten gegevens op die niet te onderscheiden zijn van controles. Voor niet-ethische mensen is dit geen probleem, omdat alleen jij weet welke afbeeldingen uit welke monsters komen. Het is relatief eenvoudig om afbeeldingen van echte gegevens te presenteren als iets wat ze niet zijn.

Om dit te illustreren kunnen we naar de gegevens kijken via een procedure die a wordt genoemd Westerse vlek, dat antilichamen gebruikt om specifieke eiwitten te identificeren uit een complex mengsel dat is gescheiden op basis van eiwitgrootte. Typische Western blot-gegevens zien eruit als de afbeelding rechts, waarbij de duisternis van de banden eiwitten vertegenwoordigt die onder verschillende omstandigheden op verschillende niveaus aanwezig zijn.

Merk op dat de banden relatief karakterloos zijn en zijn bijgesneden uit grotere afbeeldingen van de onbewerkte gegevens, waardoor ze loskomen van hun oorspronkelijke context. Het is mogelijk om banden uit één experiment te nemen en deze te correleren in een beeld van een heel ander experiment, waardoor op frauduleuze wijze “bewijs” wordt gegenereerd dat niet bestaat. Soortgelijke dingen kunnen worden gedaan met grafieken, celafbeeldingen, enz.

Omdat gegevens moeilijk te verkrijgen zijn en oplichters vaak lui zijn, worden in veel gevallen de originele en frauduleuze afbeeldingen geëxtraheerd uit de gegevens die voor hetzelfde papier worden gebruikt. Om hun sporen uit te wissen, draaien, zoomen, bijsnijden of veranderen onethische onderzoekers vaak hun helderheid/contrastafbeeldingen en gebruiken ze deze meer dan eens in hetzelfde artikel.

Niet iedereen is zo lui. Maar dergelijke beeldrecycling komt opmerkelijk vaak voor en is misschien wel de meest frustrerende vorm van onderzoeksfraude. Al het bewijsmateriaal staat in de krant, en het is meestal gemakkelijk te zien als je ernaar wijst. Maar het kan in de eerste plaats heel moeilijk te detecteren zijn.

De ‘spot in the first place’-uitdaging is de reden waarom de wetenschap zich hierop richtte Een dienst genaamd Proofig Om het gemakkelijker te maken om problemen op te sporen.