借助 Proofig AI 进行投稿前图像完整性筛查，可以在疑似重复、篡改及其他图表问题进入同行评议之前将其提示出来。通过及早发现潜在问题，研究人员和出版商可以降低发表后更正和撤稿的风险，既维护科学可信度，也保护个人的职业发展。
为什么撤稿与图像问题如此密切相关？
撤稿会给研究人员、机构和期刊带来重大的经济和声誉后果。与图像相关的诚信问题是最常见的诱因之一。一项发表于《Accountability in Research》的 2025 年研究发现，在 Retraction Watch 数据库中，2001 年至 2022 年间被撤稿的论文有 25.4% 涉及自我抄袭，其中图像重复被认定为最常见的原因。这些并非罕见个案。据估计，2009 年至 2016 年间发表的文章中，约有 3.5 万篇可能因图表缺陷而面临发表后撤稿的风险。
问题并不局限于少数不良行为者。图像完整性分析师 Jana Christopher 在 UKRIO 发布的专家访谈中表示，在她于录用阶段筛查稿件的各期刊中，有 20% 至 35% 的稿件因图像问题被标记。她在同一访谈中还指出，最终有 1% 至 8% 的稿件被撤销录用。如此大的数量使得人工审查每一张图表变得不切实际，尤其是在投稿量持续攀升的情况下。
为什么即使是严谨的研究人员也面临这种风险？
许多图像完整性问题并非蓄意为之。它们通过复杂的多人协作流程进入稿件。一位课题负责人（PI）可能坚守高伦理标准，却仍在不知情的情况下提交了含有问题图表的稿件，因为问题是由合作者、学生或参与数据处理和图表制作的其他人员引入的。
斯普利特大学（University of Split）的一项同行评议研究测试了医学生和研究人员发现图像重复的能力。学生正确识别重复的比例中位数仅为 29.4%，研究人员也仅为 32.4%，两组之间无统计学显著差异。这表明，若没有工具辅助，即使是训练有素的眼睛也会遗漏大多数问题。
投稿前筛查不是一种指控，而是一项专业保障措施，就像在提交稿件前进行参考文献核查或文本相似度扫描一样。
Proofig AI 检查什么？为什么在投稿前检查很重要？
Proofig AI 的检测功能涵盖导致撤稿、更正和编辑部直接拒稿的五大类图像完整性问题。
| 功能 | 检测内容 | 投稿前检查的意义 |
|---|---|---|
| 图像篡改检测 | 单张图像内的克隆（图像内区域复制）、拼接、删除、内容识别编辑 | 发现可能在图表制作过程中引入的改动 |
| 图像重复与复用分析 | 稿件内的缩放、旋转、翻转（镜像）、完全重叠和部分重叠 | 识别跨图表意外复用的分图或区域 |
| AI 生成图像识别 | 涵盖显微图像、组织学图像、Western blot（蛋白质印迹）、医学影像等的合成图像 | 标记可能并不代表真实实验数据的图表 |
| 图像抄袭检查工具 | 将子图与 PubMed Open Source Database 中超过 1.55 亿张图像进行比对，检测复用情况 | 提示与已发表成果之间的潜在重叠 |
| 自我抄袭控制（My Database，私有图像库） | 与研究人员本人此前发表的成果进行比对 | 防止无意中复用自己此前已发表的图表 |
Proofig 涵盖所有主要科学图像类型，包括共聚焦、光学和电子显微镜图像，Western blot 与凝胶图像，FACS，组织学图像，细胞培养板图像，动物成像和医学影像。工作流程十分简单：上传稿件或图像文件，Proofig 自动扫描所有图表，使用内置的图像取证工具审查被标记的内容，然后导出报告用于投稿或内部存档。
Proofig 会就造假作出最终判定吗？
不会。Proofig 提示疑似问题，并标记潜在的诚信问题以供审查。它不会认定过错、推定意图，也不会就造假或不当行为作出最终判定。该工具帮助研究人员和编辑团队在投稿前识别高风险图像，以便由人进一步调查。
这一区别对两类受众都很重要。研究人员需要知道，该工具是一道保障，而不是裁判。出版商需要知道，它融入而非取代编辑判断。Proofig 的设计目标是尽量减少假阳性，它采用按图像类型区分的检测方法，充分考虑每种成像模态独特的视觉特征。这意味着研究人员可以把时间花在审查真正值得关注的问题上，而不是疲于追查误报。
Proofig 如何融入现有工作流程？
对研究人员而言，Proofig 可作为投稿前的最后一道诚信检查。就像您会对文字进行拼写检查一样，对图表进行图像完整性检查也是一个切实可行的步骤，可以避免拒稿、更正或撤稿。
对出版商而言，Proofig 可与编辑投稿系统集成。与 Aries Systems 的集成可在现有编辑工作流程中实现自动化图像完整性筛查，使大规模筛查成为可能，而不会增加人工负担。
对于寻求更广泛质量保证解决方案的机构，Proofig 还提供 PubShield。这是一个稿件质量保证中心，将图像完整性筛查与其他检查（包括文本相似度、参考文献完整性、AI 生成文本检测和数据合规）整合到同一个仪表盘中。
哪些机构已采用 Proofig AI？
第三方的采用提供了具体的验证。《Science》系列期刊于 2024 年采用了 Proofig，用于检测被改动的图像，此前数月的试点表明，问题图表能够在发表前被识别出来。《Science》主编 H. Holden Thorp 将这一举措比作这些期刊早先采用 iThenticate 进行文本抄袭检测。
MDPI 正在旗下部分期刊中实施 Proofig AI。正如 MDPI 技术创新负责人 Milos Cuculovic 所表示：“从专家的意见来看，Proofig AI 无疑是最佳选择。如今我们正借此进一步确保科研诚信，并保障 MDPI 所发表研究成果的高质量。”
这些是大型出版商的实际部署，而非短期试用。
为什么及早发现问题胜于事后纠正？
发表后的更正或撤稿，其破坏性远大于投稿前的修改。《Nature》曾报道研究人员在撤回论文时承受的巨大个人压力和职业压力，即便根本原因只是无心之失。投稿前筛查有望从一开始就避免许多此类情况的发生。
在论文发表前发现疑似重复或篡改，可以保护研究人员的声誉、实验室的名誉、期刊的可信度以及科学记录的完整性。这是一项积极主动的专业举措，并不意味着承认存在问题。对于任何正在准备稿件的研究人员或任何处理投稿的编辑团队而言，在发表前进行图像完整性检查，是降低撤稿风险、坚守科学界所依赖的标准的切实可行的方式之一。
