メインコンテンツへスキップ
OctymPowered By Proofig AI
画像の信頼性

指摘された画像の多くは不正ではない:画像スクリーニングで実際に見つかるもの

画像の問題で指摘を受ける原稿はおよそ20〜35%ですが、採択が取り消されるのは1〜8%にとどまります。画像スクリーニングで実際に何が見つかるのかを解説します。

2026年7月7日 · Octym · 7分で読めます

編集部のスクリーニングで指摘される画像の大半は、不正によるものではありません。UKRIOによると、採択の段階でチェックされた原稿のおよそ20〜35%で画像関連の問題が見つかりますが、最終的に採択が取り消されるのはそのうちの1〜8%にすぎません。研究不正が成立するには意図が必要であり、意図は図から読み取れるものではありません。

画像はどのくらいの頻度で、どのような理由で指摘されるのか?

編集部で画像が指摘されることは、多くの著者が思っているよりはるかに一般的です。同じUKRIOのインタビューによると、採択の段階でチェックされた原稿の20〜35%で、スクリーニング中に画像関連の問い合わせが発生しますが、最終的に採択が取り消されるのはそのうちの1〜8%にすぎません。Christopher氏は、指摘のうちどれくらいが意図を反映しているかについて数字を示すことを慎重に避けており、意図しない誤りと意図的な改変の比率は確実に知ることが難しいと述べています。

この比率が重要なのは、プロセス全体にふさわしいトーンを決めるからです。指摘は質問であって、非難ではありません。編集部が重複したパネルについて著者に連絡する場合、群を抜いて可能性が高い説明は、複数のパネルからなる図を急いで組み立てた誰かが同じ元画像を2か所に貼り付けてしまった、あるいはほぼ同じファイルが並ぶフォルダーから誤ったバージョンを書き出してしまった、というものです。

繰り返し見つかる問題は、ありふれたものです。

スクリーニングで見つかるもの多くの場合の原因
1つの図に同じパネルが2回登場する図の組み立て時の貼り付けミス
2枚の画像の間で重なり合う領域同じスライドガラスの隣接する視野
ブロット中の切り貼りの境界線見やすくするためにレーンを並べ替え、その旨を開示していない
明るさやコントラストの調整薄いバンドを見えるようにするための画像処理
過去の論文から再利用されたパネル正当な再利用だが、引用が抜けている

これらはいずれも、定義上問題がないというわけではありません。切り貼りされたブロットは欠けている対照を隠しうるものであり、開示されていない画像処理が結果を作り出すこともありえます。重要なのは、不注意な組み立てでも意図的な改変でも同じ視覚的特徴が生じ、画像だけではどちらなのかを見分けられないという点です。

ただし、比較的新しい1つのカテゴリーは、このパターンに当てはまりません。Nature誌が報じたように、生成ツールは今や、専門家でも本物のデータ画像と見分けるのが難しい、科学的に見える図を作成できます。そのため出版社や研究公正の専門家は、人手によるレビューに頼るのではなく、自動検出の仕組みを構築しています。完全に合成された図には、貼り付けミスのような悪意のない説明は存在しません。だからこそ、スクリーニングで同じく見つかる通常の作成ミスとは区別する必要があるのです。

改変と特に紛らわしい、悪意のないミスとは?

実験室で日常的に行われているいくつかの作業からは、スクリーニングソフトウェアが正しく指摘し、なおかつ著者が悪意なく十分に説明できる画像が生まれます。こうしたケースを理解しているかどうかが、役に立つスクリーニングのプロセスと、対立を生むプロセスとを分けます。

単一の原因として何より多いのは、図の組み立てです。6つのパネルからなる図を作る研究者は、ctrl_2.tifやctrl_2b.tifといった名前のファイルが並ぶフォルダーから作業し、誤ったファイルを選んでしまいます。その結果生じる重複は本当の重複であり、ピクセルは実際に一致しています。その裏にある「意図」は、締め切りを前にした疲れた夜にすぎません。

2つ目は、視野の重なりです。同じスライドガラスの隣り合う領域で撮影された2枚の顕微鏡画像は、境界部分で実際に同じ内容を共有しています。自動比較は部分的な領域の一致を検出しますが、それはまさに検出すべきものです。

3つ目は、ブロットの示し方です。比較対象を横に並べるためにレーンを並べ替えることは以前から行われている慣行であり、問題になるのは並べ替えを開示していない場合だけです。著者が何かを隠そうとしたかどうかにかかわらず、切り貼りの境界は検出によって見えてしまいます。

実務上の帰結として、スクリーニングの結果は、基になったデータの提出依頼という形で伝えるべきです。トリミングしていない元のファイルを著者に求めれば、こうしたケースの大半は一度のやり取りで解決し、しかも誰も疑いをかけることなく済みます。COPEのガイダンスは、まさにこうした問い合わせのための文書化された手順を編集者に示すために存在しており、出版済み論文における画像の改変の疑いに関するフローチャートも含まれています。これにより、指摘への対応は、場当たり的な対決ではなく文書化されたプロセスになります。

研究不正の成立には、実際に何が必要なのか?

研究不正には正式な定義があり、それは「この画像はどこかおかしい」というものよりかなり範囲が狭いものです。米国研究公正局(ORI)は、研究不正を、研究の提案、実施、審査、または研究結果の報告における捏造、改ざん、盗用と定義しています。

実質的な意味を持つのは最後の限定条件です。同じくORIによれば、研究不正には誠実な誤りや意見の相違は含まれません。この条件は著者が何を知り、何を意図していたかにかかっており、図から読み取れるものではありません。

自動システムは、画像の2つの領域が一致していることを確認できます。しかし、著者がそれを知っていたこと、その重複が科学的な結論を変えたこと、その分野で受け入れられている慣行から著しく逸脱したことは確認できません。これらは個人の内心と分野の規範についての判断であり、検出ツールではなく機関のプロセスが担うべきものです。

だからこそ、スクリーニング結果の言葉づかいは非常に重要です。「図2bと図4aの間に重複の可能性あり(一致した領域を強調表示)」と報告するシステムは、編集者が対応できる材料を提供します。「改ざんを検出」と報告するシステムは、下す立場にない認定を下したうえ、何も悪いことをしていないかもしれない著者に、立証責任をひそかに転嫁しています。この違いは礼儀の問題ではありません。根拠が何を裏付けているかについての正確さの問題です。

スクリーニング結果が判定ではなく根拠であるべき理由

ここまで述べてきたことから導かれる設計上の結論は、画像スクリーニングは根拠を添えたシグナルを出力し、そのすべてを人に回すべきだということです。指摘がよくあることで、その大半に悪意がないのであれば、判定を下すシステムは頻繁に誤ることになり、誤った判定のたびに著者の評判と編集者の信頼が損なわれます。

根拠を優先した出力には、具体的な形があります。一致した領域について結論を断定するのではなく、その領域を示します。編集者が自分で図を確認できるよう、原稿中の該当箇所を明示します。限られた注意を重要度の高いものに向けられるよう、検出結果に順位をつけます。何を確認したかの記録を残し、後にその論文について疑問が出たときに参照できるようにします。

これは、研究公正をめぐる議論でとりわけ忘れられがちな存在である、悪意のない著者を守ることにもつながります。誤ってパネルを重複させてしまった研究者にとって何より助かるのは、該当するパネルを正確に示した、迅速で具体的な、非難めいていない問い合わせです。そうすれば正しいファイルを見つけて修正できるからです。曖昧な非難を受けると、図を修正する代わりに自らの誠実さを弁明しなければならなくなります。

編集部にとって業務上の示唆は、スクリーニングは出版後ではなく査読前に行うべきだということです。査読前であれば問い合わせはメール1通で済みますが、出版後に同じ問題が見つかれば訂正の告知が必要になります。これを投稿スクリーニングに組み込んでいる出版社は、画像のチェックを、すでに盗用チェックを扱っているのと同じように扱っています。つまり、ほとんどの論文が通過し、対話が必要な論文を見つけ出す、日常的で当然の手順としてです。この定着は今や個々の出版社にとどまらず、共同の取り組みにもなっており、主要な出版社はSTM Integrity Hubを通じて、スクリーニングのための共有インフラで協力しています。通常の誤りの範囲に収まらない関連ケースとして、他の既発表論文から再利用された図と、撮影ではなく生成によって作られた図の2つがあります。

Octymにできること

Octymは図の改変、重複、再利用をレビューし、見つかったものを根拠付きのシグナルとして報告します。根拠とは、一致した領域、原稿中のその位置、そして重要度です。画像・図の信頼性のチェックには、業界屈指の規模を誇る画像盗用データベースであるProofig AIの技術を搭載しています。Octymが返す結果が非難になることはなく、どの検出結果もそれだけで問題に結論を出すことはありません。指摘された図が何を意味するかは、常に人が判断します。チェック項目の一覧は、チェック項目のページでご覧いただけます。

よくある質問

トリミングしていない元のファイルを探し、図の作成中に同じ画像を2回配置していないかを確認してください。指摘の多くには、ありふれた説明がつきます。正しいファイルと簡単な説明を添えて返信し、図を修正します。さらに良いのは、投稿前にご自身でチェックを実行することです。Proofig AIの技術を搭載したOctymの画像の重複チェックは、サイズ変更、回転、部分的な重なりがあっても、すべての図を互いに比較します。各検出結果は根拠を添えたシグナルであり、非難では決してありません。何を修正するかはご自身で決めます。

よくあるのは、同じ元画像を複数のパネルで使い回すこと、1枚のスライドから重なり合う視野を使うこと、ブロットのレーンを開示せずに並べ替えることです。かすかなバンドを見せるために明るさやコントラストを上げること、以前のパネルを引用なしに再利用することも、問い合わせの対象になります。ピクセルから意図はわかりません。そのため、Proofig AIの技術を搭載したOctymの画像チェックは、重複、重なり、切り貼り、再利用のある領域を指摘する際、一致した領域とその場所を示したシグナルとして報告し、著者の説明と元のファイルを人が検討します。

疑惑の指摘としてではなく、該当するパネルを正確に挙げたうえで、元データを求める中立的な依頼として書きます。具体的な質問であれば、誠実な著者は正しいファイルを見つけてすぐに図を修正でき、記録に残るプロセスがやり取りの正当性を支えます。Octymはこうした書き方を支えます。誰かを不正行為で非難することは決してなく、各検出結果は正確な該当箇所とその根拠を示し、すべての判断は監査証跡に記録されます。編集上の検出結果は、記録用にエクスポートできます。

はい。Octymはすべての図を、その説明文と、その図を参照する本文とあわせて読み、食い違う箇所を指摘します。Octymの図と説明文の整合性チェックは、示されている内容と異なることを記述した説明文、ラベルや単位の欠落、研究方法や結果と矛盾する説明文を見つけます。このチェックは完全なレビューの1項目として、Proofig AIの技術を搭載した画像フォレンジックや統計値の相互照合と並行して実行されます。図と本文を別々に読むと、こうした不一致は見落としがちですが、Octymは原稿を文脈全体の中で読みます。

お好きな原稿で、Octymをご覧ください。

お問い合わせ、またはログインしてください。