正是在奥托·卡利奥科斯基（Otto Kalliokoski）放映的1000多篇文章中的第二篇文章中，他发现了他所谓的“Photoshop杰作”。

这篇论文展示了两个样品的蛋白质印迹图像 - 一种用于分析蛋白质组成的技术。但哥本哈根大学的动物行为学家卡利奥科斯基（Kalliokoski）发现，这些图像在像素上是相同的，他说这显然不应该发生。

How papers with doctored images can affect scientific reviews (nature.com)

科学研究中的图像处理是一个已知且普遍存在的问题。尽管如此，Kalliokoski和他的同事们在编写一份关于广泛使用的实验室大鼠情绪测试的系统综述时，惊讶地发现了100多项带有可疑图像的研究。发布评论后1今年1月，研究人员发布了预印本2记录他们发现的令人不安的研究，以及这些研究如何影响他们的审查结果。该预印本于2月份发布在bioRxiv上，尚未经过同行评审。

他们的工作“清楚地凸显了[伪造的图像]正在影响我们整合的知识库”，柏林卫生研究所的系统审查方法学家亚历山德拉·班纳赫-布朗（Alexandra Bannach-Brown）说，她没有参与审查或预印本。系统综述总结和解释关于特定主题的文献，是该基础的一个关键组成部分。随着科学文献的爆炸式增长，“一个人不可能跟上阅读他们所在领域的每一篇新论文的步伐”，Bannach-Brown说。这意味着维护系统综述的质量比以往任何时候都更加重要。

问题堆积如山

Kalliokoski的系统评价检查了旨在评估压力下大鼠寻求奖励的测试的可靠性。对奖励的兴趣降低被认为是抑郁症的代理症状，并且该测试在抗抑郁药物的开发过程中被广泛使用。该团队确定了 1,035 篇符合条件的论文的初始库;588 包含图像。

当他浏览了五篇论文时，卡廖科斯基已经找到了第二篇论文，上面有令人不安的图像。不知道该怎么做，他把可疑的研究加入书签，并继续整理论文以供审查。随着有问题的论文不断堆积，他和他的同事们决定部署Imagetwin，这是一种基于人工智能的软件工具，可以标记重复图像和拉伸或旋转的图像等问题。无论是Imagetwin还是作者的视觉审查，都标记了588篇包含图像的论文中的112篇（近20%）。

“这实际上很多，”加利福尼亚州旧金山的微生物学家伊丽莎白·比克（Elizabeth Bik）说，她调查了与图像相关的不当行为，现在是一名独立的科学诚信顾问。无论图像处理是诚实错误的结果还是误导的意图，“它都可能破坏研究结果”，她说。

效果小但可检测

在最终分析中，作者检查了所有符合其纳入标准的论文。这批研究由132项研究组成，其中包括该团队标记为可能篡改图像的112项中的10项。

期刊采用人工智能来发现稿件中的重复图像

仅对这10项研究的分析就评估了该测试在识别抑郁症相关症状方面的有效性，比基于122项没有可疑图像的研究的计算要有效50%。Kalliokoski说，这些可疑的研究“实际上确实扭曲了结果”，尽管“不是很大”，因为数据集的整体变化掩盖了这一小子集的贡献。

Bik说，这项研究的例子“几乎涵盖了所有类型的图像问题”，从简单的复制到显示故意改变证据的图像。使用Bik开发的量表对图像处理程度进行分类，研究人员发现大多数有问题的图像都显示出篡改的迹象。

研究人员在一月份发表在《转化精神病学》（Translational Psychiatry）杂志上，但没有告诉该杂志，它部分基于包含可疑图像的论文。该杂志的出版商施普林格·自然（Springer Nature）告诉《自然》杂志，它正在调查。（《自然》新闻团队在编辑上独立于其出版商施普林格·自然）。

当他们在下个月发表预印本时，研究人员包括了所有带有可疑图像的论文的详细信息。他们还在Pubpeer上标记了每项研究，Pubpeer是一个科学家对论文进行匿名评论的网站。“我首先效忠的是[科学]界，”Kalliokoski说，并补充说，发布数据是第一步。

让评论栩栩如生

质疑研究的完整性，给其作者一个回应的机会，并寻求撤回欺诈性研究的过程可能需要数年时间。Bannach-Brown说，清除这些浑水的一种方法是发表“活的”系统综述，这些综述旨在每当论文被撤回或增加新研究时都会更新。她帮助开发了一种这样的创建生活评论的方法，称为系统在线生活证据摘要。

系统性综述的作者也热衷于看到出版商整合标准化方法来筛选可疑研究，而不是等到研究被撤回。

Bannach-Brown说，作者、出版商和编辑委员会需要共同努力，“在它们出版之前就发现一些有问题的研究实践。