Proofig AIは、査読が始まる前に科学画像に重複、改変、AI生成コンテンツ、盗用の疑いがないかを自動でスクリーニングすることで、投稿と査読のプロセスを強化します。テキストに特化したツールでは対応できない空白を埋め、人によるレビューのための体系的でノイズの少ない判断材料を編集者に提供するとともに、画像の信頼性チェックをより早い段階で、より一貫して行えるようにします。
AIツールは編集ワークフローを大きく変えつつありますが、その多くはテキストを対象としています。言語面の校正、盗用検出、AI生成テキストのスクリーニングなどです。画像の信頼性は、いまだ十分な対策が取られていない、性質の異なる空白領域です。Proofig AIの画像信頼性プラットフォームは、査読が始まる前に原稿の図に重複、改変、AI生成コンテンツ、盗用がないかをスクリーニングし、疑いのある問題を人によるレビューのために提示することで、この空白を埋めます。
編集ワークフローにおける画像の信頼性の空白
出版社がAIを活用した編集支援ツールについて議論するとき、話題の中心になるのはたいていテキスト関連の機能です。画像の信頼性はそれとは根本的に異なる問題領域であり、専用の検出手法と、分野に特化した学習データを必要とします。問題の規模も大きなものです。UKRIOと、画像の信頼性アナリストであるJana Christopher氏のデータによると、投稿段階において学術誌に投稿されるライフサイエンス分野の原稿のおよそ20〜35%が、画像に関する問題を指摘されています。こうした問題の多くは、出版後まで発見されません。
投稿時に指摘される問題の多くは出版前に発見されず、そのうち少なからぬ割合が査読をすり抜けて出版記録に残ります。投稿される原稿と事前に発見される問題との間にあるこの隔たりは、個々の編集者の落ち度ではなく、査読プロセスの構造的な脆弱性を示しています。
これは、研修の充実だけで解決できる問題ではありません。編集ワークフローに組み込まれた専用ツールが必要です。
画像の問題を目視で見つけにくいのはなぜか？
学術誌の編集者や査読者は科学的内容の専門家であって、画像のフォレンジック解析の専門家ではありません。重要となる種類の問題、すなわちページをまたいだ重複、回転を伴う部分的な重複、パネル内のわずかなクローニング（同一画像内の領域の複製）、図と図の間の切り貼り、実データと見分けがつかないAI生成の顕微鏡画像などは、訓練を受けていない目では見えないことがよくあります。
Research Integrity and Peer Review誌に掲載された2025年の査読付き研究では、医学生と研究者を対象に、画像の重複を検出する能力が調べられました。研究者が正しく特定できた重複はわずか32.4%（検出可能な34件の重複のうち中央値11件）で、学生との間に有意な差はありませんでした。この結果は、重要な点を浮き彫りにしています。訓練を受けた科学者であっても、図を手作業で確認する場合、画像の信頼性に関わる問題の大半を見逃してしまうのです。
投稿数の増加は問題をどう深刻化させるのか？
投稿数の増加が、この課題をさらに難しくしています。1本の原稿に数十点の図が含まれ、それぞれに複数のパネルがあることもあります。現在大半の学術誌が扱っている規模では、すべての投稿のすべてのパネルを手作業で網羅的に確認することは現実的ではありません。投稿数が増えるにつれ、確認が必要な範囲と、人のレビュアーが現実的に確認できる範囲との差は広がっていきます。そこで不可欠になるのが、Proofig AIのようにワークフローに組み込まれた自動スクリーニングツールです。その役割は編集上の判断に取って代わることではなく、画像の信頼性チェックを投稿のペースに追いつかせることにあります。
Proofig AIは何を検出し、どのように機能するのか？
Proofig AIは、科学画像の信頼性に特化して設計されています。その中核機能は、編集者がスクリーニングすべき画像関連の問題の主なカテゴリーを、次のようにカバーしています。
| 機能 | 検出対象 |
|---|---|
| 重複・再利用の分析 | 原稿内での拡大・縮小、回転、反転（ミラー）、完全・部分的な重なり |
| 改変の検出 | 単一画像内のクローニング、切り貼り、削除、コンテンツに応じた編集 |
| AI生成画像の識別 | 顕微鏡画像、組織像、ウェスタンブロット、細胞培養プレート、医用画像などにわたる合成画像 |
| 画像盗用（PubMedソース） | 出版済みの原稿からのサブ画像の再利用（数千万点の画像と照合） |
| 自己盗用の管理（My Database：独自の非公開画像リポジトリ） | 研究者自身の過去の出版物との照合 |
ワークフローはシンプルです。編集者または研究公正チームが原稿（PDFまたは画像ファイル）をアップロードします。Proofigはすべての図を自動でスキャンし、疑いのある問題をフォレンジックの観点からの詳細とともに指摘して、レビュー用のレポートを作成します。このツールが、意図や不正行為について最終的な判断を下すことはありません。潜在的な問題を提示し、編集者や研究公正担当者がさらに調査できるようにします。
AI生成画像による脅威は高まっています。Nature誌が2024年に報じたように、AI画像生成ツールは今や、実際の顕微鏡画像やその他の種類の画像と見分けがつきにくい、本物らしく見える偽の科学図を作成できるようになっています。ProofigのAI生成画像検出は、広く使われている主要な生成モデルに対応しており、新しいモデルが登場するたびに継続的に更新されています。
Proofigは誤検出の問題にどう対処しているのか？
自動スクリーニングについて編集者が抱く正当な懸念のひとつが、偽陽性です。実際の問題ではない指摘は、編集の時間を無駄にし、著者との間に摩擦を生み、ツールへの信頼を損ないます。Proofigはこの問題に正面から取り組んでいます。
Proofigの偽陽性率は、数十万点の顕微鏡画像とウェスタンブロット画像を含む、実際の科学画像の大規模データセットで、非常に低いことが検証されています。画像の種類（モダリティ）ごとに異なる視覚的特徴を考慮した、種類別の検出アプローチが、その精度を支えています。
編集者にとって、これは実務上のメリットにつながります。編集スタッフの負担になったり、著者との関係を損なったりするノイズを生むことなく、本当の懸念点を提示できるのです。
Proofig AIはすでにどこで使われているのか？
大手出版社による導入は、Proofigの編集上の価値を示す具体的な根拠となっています。数か月にわたる試験運用を経て、Science誌とその姉妹誌の全6誌がProofig AIを導入しました。導入を発表した論説の中で、Science誌編集長のH. Holden Thorp氏は、Proofigをテキスト盗用におけるiThenticateになぞらえ、画像の信頼性について同様のニーズを満たすものだと述べています。現在Science誌では、外部査読の前にProofigのレポートが確認されており、編集者は場当たり的なチェックに頼ることなく、標準化された方法で画像に関する懸念に早い段階で対処できるようになっています。
MDPIは、刊行誌全体にProofigを導入する複数年契約を締結しました。MDPIの技術イノベーション責任者であるMilos Cuculovic氏は、次のように述べています。「専門家の意見から、Proofig AIは群を抜いて最良の選択肢だと思われました。そして今、私たちはMDPIが出版する研究成果について、研究公正をさらに確かなものにし、その高い品質を保証しています」
これらは試験的な取り組みではありません。数千件の投稿を処理する出版社による、大規模な導入です。
画像の信頼性をより広いワークフローの一部とする場合
原稿の品質保証を包括的に行う仕組みを求める出版社向けに、ProofigはPubShieldを提供しています。PubShieldは、複数の信頼性チェックをひとつのダッシュボードにまとめた機関向け投稿ハブです。Proofig AIによる画像の信頼性スクリーニングに、テキストの類似性チェック（iThenticate/Turnitin搭載）、AI生成テキストの検出（Pangram）、参考文献の信頼性分析（RefGuard）、データ報告のコンプライアンス（DataSeer）を組み合わせています。
念のため明確にしておくと、これらのパートナー機能は統合ハブとしてのPubShieldに属するものであり、Proofig AI単体の機能ではありません。PubShieldは、原稿の信頼性チェック全般をひとつのワークフローでカバーしたい研究機関や出版社のためのものです。
査読前のスクリーニングが著者と編集者の双方にとって重要な理由
画像の信頼性に関わる問題の多くは、意図せずに生じたものです。図の作成過程で、共同研究者とのワークフローの中で、パネルを組み立てる学生によって、あるいはプロジェクトをまたいだ偶発的な再利用によって入り込みます。高い倫理基準を守っている研究者であっても、自分が原因ではない問題を含む図を、それと知らずに投稿してしまうことがあります。だからこそ、査読前のスクリーニングに価値があるのです。出版後の訂正や撤回に至る前の、まだ修正できる段階で潜在的な問題を発見できます。
見逃された問題がもたらす影響は、広く知られています。Nature誌の報道によると、研究者は論文を撤回する際に、個人としてもキャリアの面でも大きなストレスに直面しており、その撤回の多くは、投稿前のスクリーニングで防げたはずの悪意のないミスによるものです。学術誌にとっても、出版後の撤回は大きな経済的コストと評判へのダメージをもたらし、それは時間とともに積み重なっていきます。
学術誌の編集者にとっての実践的なポイント
編集者が画像フォレンジックの専門家になる必要はありません。必要なのは、査読が始まる前に疑いのある問題を提示し、出版後の訂正や撤回のリスクを減らし、既存の投稿システムと連携できる、信頼性が高く導入の負担が少ないツールです。ProofigはAries Systemsと連携してワークフロー管理に対応しており、多くの出版社がすでに利用しているインフラに組み込めます。自動化と大規模運用にも最適化されています。詳しく知りたい編集者の方は、Ariesの担当アカウントコーディネーターに問い合わせるか、Proofigの画像信頼性プラットフォームの概要をご覧ください。
目的は、不正行為を前提とすることではありません。まだ修正できる早い段階で潜在的な問題を発見し、誤検出のきわめて少ないツールによって人によるレビューを支えることです。投稿数の増加と、出版された図に対する厳しい目の高まりに向き合う編集者にとって、画像の信頼性の自動スクリーニングは、責任ある出版活動に欠かせない要素になりつつあります。
