图像完整性问题是主要期刊直接拒稿的有据可查的原因之一，而其中许多问题并非有意为之，而是在图表制作或复杂的工作流程中产生的。投稿前使用图像分析工具筛查图表，有助于发现潜在问题以供审查，并降低延误风险。
为什么稿件会因图像问题被直接拒稿？
如今，知名期刊的编辑在将稿件送交同行评议之前，会例行筛查投稿中的图像完整性问题。《Science》系列期刊的全部六种期刊均已采用 Proofig AI，专门用于在投稿阶段检测被改动的图像。大型开放获取出版商 MDPI 也出于同样目的与 Proofig AI 签订了多年期协议。出于确保科研诚信、保障已发表研究质量的承诺，MDPI 在其旗下期刊中采用了自动化图像筛查。正如 MDPI 技术创新负责人 Milos Cuculovic 所说：“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。”
当自动化筛查在投稿中标记出潜在的图像问题时，编辑可能会根据期刊政策和问题的严重程度，选择直接拒稿，或在同行评议前要求作者作出说明并更正图表。研究人员可能因此损失数周乃至数月的潜在审稿时间，有时甚至几乎不清楚究竟发现了什么问题。这并非假设性的风险，而是已采用自动化图像完整性筛查的期刊编辑工作流程中的常规环节。
投稿中的图像完整性问题有多普遍？
这一问题的规模比大多数研究人员预想的更大。行业分析和图像完整性专家的报告显示，向期刊投稿的生命科学稿件中，约有 20–35% 在筛查中因潜在的图像相关问题（包括重复或篡改）而被标记（UKRIO）。这一数字反映的是发表前的投稿阶段，而非已发表的文献。
即使在已发表的论文中，相关数字也不容忽视。Bik、Casadevall 和 Fang（2016）的一项里程碑式研究筛查了超过 2 万篇已发表论文，发现其中 3.8% 存在有问题的图像重复，其中约一半显示出提示蓄意篡改的特征，其余则与无心之失相符。
撤稿情况进一步凸显了问题的紧迫性。《Nature》近期的一项分析报告称，被撤稿文章所占的比例在过去十年中大约增加到原来的三倍（《Nature》）。一项针对全球排名前 20 的知名大学的同行评议分析记录显示，在 2010–2019 年间，图像篡改是导致撤稿的主要原因之一。这些并非个别边缘案例，而是遍及各类机构、学科和职业阶段。
编辑在图像筛查中关注什么？
了解哪些情况会导致直接拒稿，有助于研究人员明确投稿前需要检查的内容。下表概述了编辑部筛查工具会标记的主要图像问题类别。
| 图像问题类型 | 具体内容 | 常见原因 |
|---|---|---|
| 重复或复用 | 相同或几乎相同的图像区域出现在不同分图或图表中，包括经过缩放、旋转或翻转（镜像）的副本 | 组装图表时意外复制粘贴、复用对照图像、合作者之间文件混淆 |
| 篡改 | 克隆（图像内区域复制）、拼接、选择性擦除，或掩盖、改变数据的亮度/对比度调整 | 制作图表时过度处理，或在未意识到对数据影响的情况下进行内容识别编辑 |
| AI 生成图像 | 由生成式人工智能工具生成、却被当作真实实验数据呈现的合成图像 | 随着 AI 图像生成工具越来越容易获取，此类问题被标记得越来越多；《Nature》已报道科学稿件中 AI 生成图表日益严重的威胁 |
| 图像抄袭 | 未注明出处地复用已发表稿件中的图像 | 无意中复用实验室共享档案中的图像，未能在不同项目间追踪图像来源 |
| 自我抄袭 | 在新稿件中复用研究人员本人已发表的图像 | 未加披露地在不同研究中重复使用对照图像或代表性显微照片 |
使用自动化筛查工具的期刊会同时检查上述所有类别。只核查文字是否抄袭、却跳过图像检查的研究人员，等于留下了一个重大漏洞而未加处理。
为什么即使是严谨的研究人员也面临风险
许多图像完整性问题并非蓄意学术不端行为所致，而是产生于图表制作、文件压缩、合作者交接，或在不同稿件间意外复用图像等环节。课题负责人未必能直接看到学生或合作者制作的每一幅图表。斯普利特大学（University of Split）的一项同行评议研究发现，研究人员凭肉眼审查图表时，仅能正确识别 32.4% 的图像重复，这表明不借助工具的人工审查存在局限。
即使是恪守高伦理标准的研究人员，也可能因为工作流程中由他人负责的环节，而在不知情的情况下提交有问题的图像。投稿前筛查是一种保护措施，而非承认存在过错。它相当于针对图像的拼写检查：一项常规的质量保证措施，能在问题造成后果之前将其发现。
投稿前图像筛查流程是怎样的？
一套实用的投稿前筛查流程只需几分钟，步骤简单明了：
- 上传稿件。将完整的 PDF 或单独的图像文件提交至图像完整性工具。Proofig AI 支持这两种格式，并会自动提取所有图表。
- 自动扫描。该工具通过与大量已发表科学图像进行比对，分析每一幅图表是否存在重复、篡改、人工智能生成内容和图像抄袭。此步骤无需人工干预。
- 审查被标记的内容。该工具会以取证级的细节呈现疑似问题，突出显示具体区域和问题类型。并非每个标记都是真正的问题。有些是图像压缩造成的伪影、经过恰当标注的合理图表复用，或是工具灵敏度所致。Proofig AI 已在大型真实数据集上经过验证，其设计旨在尽量减少假阳性，因此研究人员在审查结果时不会被大量无关信息淹没。
- 更正并导出。修正确实存在的问题，必要时与合著者商议，并导出筛查报告，以便存档或供合著者审阅。该报告可作为投稿前已核查图像完整性的书面记录。
每一步的核心原则都是：工具呈现疑似问题，交由人工审查。它不会就意图或过错作出定论，而是由充分了解数据背景的研究人员作出最终判断。
投稿前筛查如何保护研究人员
在投稿前发现图像问题，其价值主要不在于满足期刊的要求，而在于保护研究人员。由于这类问题中有许多是在复杂的工作流程中，或由合作者和学生无意间引入的，筛查有助于恪守伦理的研究人员确认没有遗漏可预防的错误。投稿后才发现图像问题，无论是在编辑初审、同行评议阶段还是发表之后，代价都会逐级升高。
直接拒稿会延误您的工作。发表后更正会成为永久记录的一部分。撤稿则会带来重大的经济和声誉后果，可能影响职业发展、实验室经费和机构地位。《Nature》报道了研究人员撤稿时承受的巨大个人压力和职业压力，即使撤稿源于无心之失也是如此。超过 8000 名高被引科学家至少有一篇论文被撤稿，这表明这一风险遍及各个职业阶段。
在投稿前发现并更正问题，意味着它永远不会成为公开记录。研究人员始终掌握主动权。
将图像质量保证作为稿件准备的标准环节
投稿前图像筛查是一个简单易行的步骤，应与参考文献核查和文字审查一起，纳入每位研究人员的工作流程。您所投稿的期刊已经在筛查您的图表。在投稿前自行进行同样的检查，意味着您的稿件送达编辑手中时，您可以确信图像没有问题。
使用图像完整性筛查工具审查您的图表。更正需要更正之处。记录检查过程。保护您的工作、您的声誉和您的实验室。
