PubShieldは、Proofig AIとは別の製品で、複数の信頼性チェックを1つのワークフローにまとめる機関向けの原稿品質保証ハブです。Proofig AIの画像の信頼性スクリーニング、DataSeerのデータのコンプライアンスチェック、iThenticateのテキスト類似性分析、PangramのAI生成テキストの検出、RefGuardの参考文献の信頼性チェックといったパートナーツールを1か所に集約しています。これらはいずれもPubShieldのパートナーであり、Proofig AI単体の機能ではありません。こうしたチェックを集約することで、PubShieldは、別々のツールやログイン、手作業での調整を必要とせずに、出版前の原稿の品質をより包括的に把握できるようにします。
分断されたスクリーニングのワークフローは、なぜ死角を生むのか？
信頼性チェックを実施している研究機関や出版社でも、その大半はチェックを個別に行っています。画像のスクリーニングはあるツールで、テキストの類似性は別のツールで、データ報告のコンプライアンスはさらに別のツールで行い、参考文献のチェックはまったく行われていないこともあります。ツールごとにインターフェース、ログイン、出力形式が異なります。その結果、プロセスは分断され、原稿の信頼性の状況全体を把握している人もダッシュボードも存在しない状態になります。
この分断は構造的な問題であり、個々の研究者や編集者の落ち度ではありません。課題の規模を見れば、手作業での調整では足りない理由は明らかです。UKRIOと画像の信頼性の専門家のデータによると、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。また別の査読付きの分析では、世界の上位20大学における2010〜2019年の撤回の傾向が記録されており、画像の改変が主な原因の1つに挙げられています。さらに、データ報告の不備は目立ちにくいものの、問題をいっそう深刻にする別のコンプライアンスリスクです。
こうしたチェックが互いにつながっていないプラットフォームに分散していると、問題がすり抜けてしまいます。研究機関がテキストの類似性の問題は見つけても図の重複を見逃したり、画像の懸念は指摘してもデータの公開・共有に関する記載の不備を見落としたりすることがあります。こうしたチェック漏れの代償は出版後に表面化し、その時点では訂正、撤回、調査にかかるコストと損害がはるかに大きくなります。
PubShieldの中で、Proofig AIは何を担うのか？
PubShieldの中で、Proofig AIは画像の信頼性を担う層を提供しています。これは科学画像の解析専用に構築された専門的な機能で、研究論文の図に影響する信頼性のリスク全般をカバーしています。
PubShield内でのProofig AIのチェックには、次のものがあります。
| チェック | 検出対象 |
|---|---|
| 画像の重複・再利用 | 原稿内で重複または再利用された領域。拡大・縮小、回転、反転（ミラー）された図や、部分的に重なる図も含みます |
| 画像の改変 | 1つのサブ画像内の加工。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を含みます |
| AI生成画像の検出 | 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、動物イメージング、医用画像にわたる合成画像 |
| 画像盗用（PubMed） | 出版済みの論文からのサブ画像の再利用。数千万点の画像を収めたPubMedのデータベースと照合します |
| 自己盗用（My Database：独自の非公開画像リポジトリ） | 研究者自身が過去に発表した画像の再利用。個人用リポジトリと照合します |
Proofig AIは、主要な科学画像のタイプにわたる数十万点の実画像で検証されています。重要なのは、誤検出がごくわずかであることです。そのため、レビュアーは誤った指摘を追いかけるのではなく、本当の懸念に時間を使えます。
このプラットフォームの信頼性は、有力な出版社による導入に表れています。Science誌とその姉妹誌は全6誌でProofig AIを導入し、出版前に画像の信頼性の問題をスクリーニングしています。MDPIはほかの選択肢を評価したうえでProofig AIを選び、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」
PubShieldの中で、DataSeerは何を担うのか？
DataSeerは、PubShieldの中でデータ報告とコンプライアンスの準備状況を担う層を提供しています。DataSeerはPubShieldのパートナーであり、その機能はProofig AI単体の機能としてではなく、PubShieldハブの中で提供されます。その役割は画像の信頼性とは異なります。DataSeerは、原稿がデータの公開・共有、再現性、報告の基準を満たしているかを評価し、研究機関や出版社が出版前にオープンサイエンスへの適合における不備を特定できるよう支援します。
これが重要なのは、データ報告の網羅性が、出版や研究資金獲得の条件となるケースが増えているからです。現在、学術誌、助成機関、研究機関のポリシーでは、データの公開・共有に関する記載、コードの共有、報告ガイドラインの遵守が日常的に求められています。こうした要件を満たさない原稿は、デスクリジェクト、レビューの遅れ、出版後の訂正に直面することになります。
PubShield内のDataSeerのチェックは、Proofig AIの画像スクリーニングとは異なる側面から原稿の品質を確認します。PubShieldハブの中で両者を組み合わせることで、レビュアーは、一方では画像の信頼性、もう一方ではデータのコンプライアンスという、より包括的な全体像を得られます。どちらのチェックももう一方の代わりにはならず、出版前の徹底したレビューには両方が必要です。
研究機関にとって、なぜこの組み合わせが重要なのか？
信頼性の問題が出版後に表面化すると、研究機関は重なり合うリスクに直面します。評判の低下、研究費の喪失、多額の費用がかかる調査は、多くの事例で報告されている結果です。論文を撤回する研究者が直面する、個人としての、そしてキャリア上のストレスについてはNature誌も報じています。その原因は多くの場合、投稿前のスクリーニングで見つけられたはずの誠実なミスです。また、最近のNature誌の報道によると、撤回率はこの10年でおよそ3倍になっており、問題が縮小するどころか拡大していることを示しています。
投稿前または編集の段階で、画像の信頼性チェックとデータのコンプライアンスチェックを一緒に実施すれば、出版後になって初めて問題が見つかる可能性を減らせます。研究公正担当者、編集者、コンプライアンスチームにとって、統合されたダッシュボードは、レビューの迅速化、より明確な監査証跡、プラットフォーム間の手作業による調整の削減を意味します。
PubShieldには、Proofig AIとDataSeer以外にも、次のパートナーによるチェックが含まれています。
- iThenticate（Turnitin）によるテキストの類似性と盗用リスクのチェック
- PangramによるAI生成テキストの検出
- RefGuardによる参考文献の信頼性のチェック
これらはいずれもPubShieldのパートナーで、それぞれが原稿の品質の別の側面を担っています。本記事では画像の信頼性とデータのコンプライアンスの組み合わせに焦点を当てていますが、PubShieldハブ全体では、多くの投稿を扱う研究機関に向けて、より幅広い品質保証の枠組みを提供しています。
中心は変わらず人によるレビュー
スクリーニングツールは潜在的な問題を提示するものです。誰かに非があると判断したり、不正を確定したり、専門家の判断に取って代わったりはしません。この違いは重要です。
Proofig AIとDataSeer、そしてPubShield内のほかのすべてのパートナーによるチェックは、より詳しい確認が必要な項目を指摘することで、人によるレビューを支援するよう設計されています。指摘は結論ではありません。画像の信頼性の問題の多くは意図的なものではなく、複雑なワークフロー、共同研究者の関与、図の作成時のミスを通じて持ち込まれます。ある査読付き研究では、医学生が検出できた画像の重複はわずか29.4%、研究者でも32.4%にとどまりました。これは、補助のない人によるレビューの限界と、最初の確認としての自動スクリーニングの価値を示しています。
目的は不正行為を前提とすることではなく、疑いのある問題を早期に提示し、適切な資格を持つレビュアーが調査して、十分な情報にもとづいて判断できるようにすることです。
PubShieldの導入は、実際にはどのようなものか？
PubShieldの導入を検討している研究機関にとって、運用面での導入理由は明快です。ハブを通じて投稿された原稿は、複数の側面から同時にスクリーニングされます。画像の信頼性、データのコンプライアンス、テキストの類似性、参考文献の信頼性、AI生成テキストのチェックがすべて並行して実行されます。結果は1つのダッシュボードに集約され、チームは別々のプラットフォームをまたいで調整することなく、指摘された項目の確認、フォローアップの優先順位づけ、監査に対応できる記録の管理を行えます。
この集約により、運用上の現実的な負担がなくなります。研究公正担当者や編集チームは、5つの異なるツールのログインや出力を管理する代わりに、1つのインターフェースで作業できます。その結果、レビューのサイクルが速くなり、チェック漏れが減り、出版前の品質保証について機関としての記録がより明確になります。
出版前の品質保証を強化したい研究機関は、現在分断されている、あるいはまったく行われていないチェックを集約する手段として、PubShieldを検討できます。信頼性のリスクは十分に報告されています。そして今、それに対処するツールが1か所にそろっています。
