Proofig AI 可与自动化出版系统集成（包括通过与 Aries Systems 的合作），在稿件投稿环节开展图像完整性筛查。出版商需要应对日益增长的投稿量，研究人员则希望在疑似问题到达编辑之前就将其发现，二者都能从中受益，从而降低被拒稿、更正或撤稿的风险。
为什么人工筛查跟不上？
科学稿件中的图像完整性问题已有大量记录，且普遍存在。行业分析和诚信专家指出，投稿至期刊的生命科学稿件中，有相当大的比例（可能为 20–35%）因潜在的图像相关问题而被标记。其中许多问题是无意造成的，源于图表制作错误、标注错误，或涉及多名合作者的工作流程中出现的失误。
这一问题的规模也延伸到了已发表的文献中。对生命科学出版物的系统性筛查记录了相当高的图像和数据重复率，进一步表明需要加强发表前审查。与此同时，2022 年发表的文章中约有 0.2% 现已被撤稿，约为十年前的三倍。
编辑和审稿人的人工图表审查无法跟上如此庞大的数量。斯普利特大学（University of Split）的一项经同行评议的研究发现，研究人员凭肉眼审查图表时，仅正确识别出 32.4% 的图像重复，医学生的表现也并不更好，仅为 29.4%。这并非对审稿人的批评，而是反映出每年面对数千份投稿时，仅凭人眼进行视觉检查的局限性。
实际情况很清楚：出版商需要自动化筛查，研究人员也能从中受益。
“集成”究竟意味着什么？
独立工具与集成系统之间存在重要区别。使用独立工具时，研究人员需要手动上传文件、查看结果，并自行采取相应措施。集成系统则将图像完整性筛查直接嵌入现有工作流程，使检查在设定的触发节点自动运行。
对出版商而言，集成意味着：稿件通过编辑管理系统提交时，图像完整性筛查会自动触发，无需编辑部工作人员手动干预。被标记的内容会显示在编辑仪表盘中，供人工审查。没有人需要记着另外运行一次检查。
对研究人员而言，集成有两种形式。其一，研究人员向采用集成筛查的期刊投稿时，可在投稿流程中受益于自动检查。其二，研究人员可在投稿前、稿件准备阶段使用 Proofig AI 的图像完整性功能，及早发现疑似问题。
两种方式的目标相同：在潜在问题成为已发表的错误之前，将其揭示出来。
Aries Systems 集成如何运作？
Proofig AI 与 Aries Systems 的合作是出版商端集成的一个具体实例。Aries Systems 提供工作流程管理解决方案，为全球学术出版商所采用。通过这一合作，Proofig AI 与 Aries Systems 的集成可在编辑工作流程中实现规模化的自动图像完整性筛查。
在实际操作中，这意味着：
- 稿件提交后，图像筛查会自动触发。
- Proofig AI 会分析稿件中的所有图表，可自动运行，也可由编辑触发（取决于期刊配置），无需工作人员另行手动上传。
- 疑似问题会被标记，并在编辑工作流程中呈现，供人工审查。
- 编辑团队可以在审稿流程的更早阶段（同行评议或发表之前）处理被标记的内容。
这种集成并不取代人的判断，而是通过识别值得进一步检查的疑似问题，为编辑团队提供支持。工具负责呈现待审查的内容，编辑和诚信负责人做出决定。
在集成工作流程中，Proofig AI 检查哪些内容？
当 Proofig AI 在集成投稿系统中运行时，每份稿件都会接受五项核心功能的检查：
| 功能 | 检测内容 |
|---|---|
| 图像篡改检测 | 单个子图内的改动，包括克隆（图像内区域复制）、编辑、删除、拼接和内容识别编辑 |
| 图像重复与复用分析 | 稿件内的图像重复或复用，包括缩放、旋转、翻转（镜像）和部分重叠 |
| AI 生成图像识别 | 由生成式人工智能创建的图像，涵盖显微图像、组织学图像、Western blot（蛋白质印迹）、医学影像及其他成像模态 |
| 图像抄袭（PubMed 来源） | 复用此前已发表稿件中的子图，与 PubMed 收录数千万张图像的数据库进行比对 |
| 自我抄袭控制（My Database） | 研究人员复用自己此前已发表的图像，与个性化私有图像库进行比对 |
这些检查涵盖主要的科学图像类型：各类显微图像（共聚焦、光学、电子显微镜）、Western blot 与凝胶图像、FACS、组织学图像、细胞培养板图像、动物成像、医学影像等。《Nature》曾报道科学稿件中 AI 生成图像日益增多，这使得 AI 生成图像检测功能变得愈发重要。
这并非流于表面的检查，而是针对影响科学图表的各类诚信风险开展的实质性筛查。
为什么集成对研究人员很重要？
即使研究人员并不负责管理期刊，也能从自动化筛查中受益。图像完整性问题可能经由复杂的工作流程进入稿件，这些流程涉及合作者、学生、初级团队成员以及共享的数据处理。即使是坚守高伦理标准的研究人员，也可能因工作流程中他人引入的错误，在不知情的情况下提交有问题的图像。
《Nature》曾报道研究人员在撤回论文时承受的个人与职业压力，而撤稿往往源于本可通过投稿前筛查发现的无心之失。论文被标记或撤稿的后果，包括重大的经济和声誉影响，都由通讯作者承担，无论错误由谁引入。
使用 Proofig AI 进行投稿前筛查，研究人员可以在疑似问题到达编辑之前将其发现。这是保护您的研究成果、您的声誉和您的实验室的主动之举。
自动化筛查带来的噪声会多于有效信号吗？
对于任何自动化检查，一个合理的担忧是：它是否会产生过多误报，浪费编辑的时间。Proofig AI 已在数十万张真实图像上完成验证，产生的假阳性非常少，因此编辑团队和研究人员不会淹没在噪声中，能够专注于真正需要人工审查的项目。
诚信检查在科研生命周期中能提前到什么阶段？
Proofig AI 与 LabArchives 的合作表明，诚信检查可以提前到投稿阶段之前。LabArchives 提供电子实验记录本（ELN）解决方案，与 Proofig AI 的合作有助于让重视诚信的做法更贴近研究成果的产生与准备阶段。这意味着潜在问题可以在数据收集和图表组装阶段就被发现，而不仅仅是在向期刊投稿时。
对于希望建立更全面质量保证工作流程的出版商，Proofig 还提供 PubShield，即机构稿件质量保证中心。PubShield 将 Proofig AI 的图像筛查与第三方合作伙伴工具整合在一起，在同一个仪表盘中涵盖文本相似度、参考文献完整性、AI 生成文本检测和数据合规。
研究人员和出版商现在应该怎么做？
对于出版商：评估您当前的投稿系统是否支持与自动化图像完整性工具集成。如果您使用 Aries Systems 或类似的编辑管理平台，请了解自动化筛查在实际操作中会是什么样子。目标是在编辑流程的更早阶段（同行评议和发表之前）呈现疑似问题，供人工审查。
对于研究人员：在投稿前使用 Proofig AI 筛查稿件图表，排查疑似图像重复、图像篡改、AI 生成内容和图像复用问题。如果您的研究涉及多名合作者或共享的数据处理，这一点尤为重要，因为问题可能在您不知情的情况下被引入。在投稿前发现疑似问题，可降低被拒稿、更正或撤稿的风险，并保护您研究的可信度。
目标不是预设存在不当行为，而是通过及早呈现疑似问题来支持人工审查。集成让这一点得以规模化实现。
