ライフサイエンス研究の分野では、画像は複雑なデータを伝えるうえで極めて重要な役割を果たしています。しかし、こうした画像の信頼性が損なわれ、重大な問題につながることがあります。この記事では、画像の重複・再利用、画像の改変、画像の捏造、画像盗用、不適切な画像の取り扱い、画像の誤った解釈など、画像の信頼性に関するさまざまなリスクを詳しく取り上げます。
画像の重複・再利用 のリスク
画像の重複・再利用は、同じ画像やその一部が複数の文脈で使われ、データが誤って提示されてしまうというよくある問題です。多くの場合、意図しないミスが原因です。しかし、この問題は読者を誤解させるだけでなく、研究の信頼性も損ないます。著者は、データセットごとに固有の画像を使用し、公表前に相互に照合して確認する必要があります。
画像の改変
画像の改変とは、元のデータを誤って伝えるように画像に手を加えることです。特定の部分を強調するために明るさやコントラストを過度に調整するといった単純なものから、要素をデジタル処理で追加・削除するといった複雑なものまであります。例えば細胞生物学の研究で、処理に反応した細胞が実際より多く見えるように画像を改変すれば、誤った結論につながりかねません。研究者は常に、加工されていない元の画像を保存して参照し、ソフトウェアによる調整は控えめに、かつ透明性をもって行うべきです。
画像の捏造
画像の捏造とは、まったく存在しない画像やデータを作り出すことです。虚偽の証拠を作り出すことになるため、重大な不正行為にあたります。例えば、ゲル電気泳動の結果として、存在しないタンパク質のバンドの画像を作成することは捏造にあたります。こうした問題を避けるため、研究者は倫理指針を厳守し、公表するすべてのデータが本物で検証可能であることを確認する必要があります。
画像盗用
画像盗用とは、他者の画像を許可なく、または適切な引用なしに使用することです。これは倫理に反するだけでなく、著作権法にも違反します。例えば、他の研究者の論文に掲載された病理組織画像を、出典を適切に明記せずに使用することは盗用とみなされます。研究者は常に元の出典を明記し、画像の使用に必要な許諾を得るべきです。
AI生成画像のリスク
AI生成画像は、科学研究の分野で懸念が高まっている問題です。人工的に作られたこうした画像は、データの捏造や研究結果の誤った提示に使われるおそれがあるためです。高度な生成モデルで作られたこれらの画像は、本物の科学画像を非常に精巧に模倣できるため、本物の画像と見分けることが難しくなっています。例えば、実際の試料に似せて合成された顕微鏡画像は、研究に虚偽の証拠を持ち込み、読者や査読者を誤解させる可能性があります。AI画像生成ツールがますます手軽に使えるようになったことでこのリスクは高まっており、研究者は自身の研究で提示するすべての画像データが本物で検証可能であることを確認しなければなりません。科学論文の信頼性と真正性を守るには、ProofigのAI生成画像検出機能のような堅牢な検出ツールを活用することが不可欠です。
不適切な画像の取り扱い
不適切な画像の取り扱いには、画質の低さから、画像のラベルや名前の付け間違いまで、さまざまな問題が含まれます。例えば、誤った名前で画像を保存してしまうと、意図せず実験結果の誤った解釈につながる可能性があります。こうしたミスは、データの信頼性と信憑性を損なうだけでなく、より広い範囲に影響を及ぼしうる誤った結論を導くことにもなりかねません。そのため研究者は、高品質な画像と正確な注釈を用いて、研究の信頼性と妥当性を守ることが不可欠です。
画像の誤った解釈
画像の誤った解釈は、画像が不正確に解釈されたり、誤った認識にもとづいて結論が導かれたりしたときに起こります。例えば細胞生物学では、共焦点顕微鏡画像における特定の染色の強度や局在を読み違えると、実際にはあまり存在しない細胞内区画に、タンパク質が存在する、あるいは過剰発現していると示唆してしまうことがあります。こうした誤りは、細胞プロセスに対する私たちの理解を大きく変えてしまいかねません。このような落とし穴を避けるため、研究者は一貫した正確な結果を得られるよう、少なくとも3回の反復で実験を複数回行うだけでなく、自分の分野の専門家や同僚に積極的に意見や助言を求めるべきです。こうした協力的な取り組みは、解釈がベストプラクティスや現在の科学的知見に沿ったものであることを確かめるための、さらなる安全策となります。
ヒント:
加工されていない元の画像と代表的な画像を、常に保存しておきましょう。データは綿密に整理し、適切にアーカイブしましょう。判断に迷ったときは、専門家にセカンドオピニオンを求めましょう。
関連記事:
タグ:
画像のリスク、ライフサイエンス、出版倫理、画像の信頼性
よくある質問
ライフサイエンス分野の論文では、画像の信頼性に関する問題はどのくらい多いのですか?
非常に多く見られます。論文の20〜35%で、重複や改変などの画像の問題が指摘されています。その影響は大きく、1件の撤回で調査費用と弁護士費用に100万ドルを超えるコストがかかることもあります。Proofig AIは、すべての図を対象に重複・再利用、改変、画像盗用、AI生成画像をスクリーニングし、数分で結果を出すため、著者は学術誌や読者に見つかる前に誤りを修正できます。
Proofig AIでは、ライフサイエンス分野のどんな種類の画像について信頼性のリスクをスクリーニングできますか?
Proofig AIは、ウェスタンブロットに限らず、顕微鏡画像、ウェスタンブロット、FACSからグラフ・チャート・プロットまで、幅広い種類の科学画像をチェックします。これには、共焦点・光学・電子顕微鏡画像、ゲル画像、in vivo・in vitroの画像、植物、プレート、図式が含まれ、あらゆる科学分野に対応しています。すべての図について重複・再利用、改変、画像盗用をスクリーニングし、AI生成画像の検出は、顕微鏡画像、組織像、細胞培養プレート、動物イメージング、医用画像、ウェスタンブロット・ゲル画像を対象としています。検出結果はすべて、ユーザーが文脈に照らして確認します。
画像の捏造と画像の改変は、どう違うのですか?
画像の改変は実在する画像に手を加えることであり、画像の捏造は存在しなかった画像やデータを作り出すことです。改変には、クローニング(同一画像内の領域の複製)、切り貼り、削除、コンテンツに応じた編集が含まれます。捏造には今では、生成AIで作られた合成画像も含まれます。Proofig AIは、各サブ画像内の改変を検出するとともに、継続的に更新されるモデルを用いて、顕微鏡画像や組織像からウェスタンブロット・ゲル画像まで、6つのカテゴリーでAI生成の可能性がある画像を指摘します。検出結果はすべて、ユーザーが文脈に照らして確認し、判断します。
論文中の画像データの重複は、多くの場合、不正行為によるものですか?それとも悪意のないミスですか?
画像データの重複は、多くの場合は意図しないミスですが、意図的な再利用が起こることもあります。Proofig AIは、科学と科学者の両方を守ることを使命としているため、意図しないミスと意図的な再利用のどちらも見つけられるように作られています。Proofig AIは、サイズ変更、回転、反転、トリミングされたコピーも含め、重複・再利用された領域を、判定ではなく人によるレビューのためのシグナルとして指摘します。著者は投稿前に悪意のないミスを修正でき、編集者は結論を出す前に、各検出結果を文脈に照らして精査できます。