ASM incorpora Imagetwin para abordar la duplicación de imágenes y preservar la precisión científica

Área de la Ciencia:

• Publicaciones científicas
• Integridad de la investigación
• Análisis de imágenes

Sus antecedentes:

• La duplicación de imágenes en artículos científicos, ya sea accidental o intencional, socava significativamente la confianza en la investigación, los autores, las instituciones y los editores.
• Tales duplicaciones plantean preocupaciones sobre el rigor científico, la posible mala conducta y la efectividad de la revisión por pares y la supervisión editorial, erosionando la confianza en el registro científico.
• La detección proactiva de las duplicaciones de imágenes es crucial para mantener la credibilidad de la investigación publicada.

Objetivo del estudio:

• Evaluar la eficacia de la integración de una herramienta basada en la IA (Imagetwin) en el flujo de trabajo editorial para detectar duplicaciones de imágenes.
• Evaluar la frecuencia y la naturaleza de las duplicaciones de imágenes identificadas en los manuscritos enviados a las revistas ASM.
• Refinar los procesos para una evaluación más temprana y eficiente de la integridad de las imágenes en las publicaciones científicas.

Principales métodos:

• Implementación de la herramienta de inteligencia artificial Imagetwin en el flujo de trabajo editorial de las revistas de la Sociedad Americana de Microbiología (ASM).
• Realización de un estudio piloto de un año para la selección de manuscritos aceptados y elegibles para duplicaciones de imágenes antes de su publicación.
• Analizar los tipos de problemas de imagen identificados y el proceso de resolución, incluido el impacto en la aceptación del manuscrito.

Principales resultados:

• Se identificaron duplicaciones de imágenes en el 3,9% de los manuscritos elegibles examinados con Imagetwin durante el estudio piloto.
• La mayoría de los problemas de imagen identificados no fueron intencionales y se resolvieron con éxito a través de la comunicación con los autores.
• La aceptación fue revocada para el 0,23% de los manuscritos examinados debido a problemas no resueltos de duplicación de imágenes.

Conclusiones:

• La integración de herramientas de IA como Imagetwin es efectiva para detectar posibles duplicaciones de imágenes al principio del proceso de publicación.
• El estudio piloto demostró que la detección proactiva de imágenes refuerza la integridad del registro científico y mejora los controles éticos de rutina.
• ASM Journals refinó con éxito su flujo de trabajo para incorporar la detección de duplicación de imágenes, mejorando la credibilidad general de la investigación.