大數據文摘出品
作者：笪潔瓊、奧🌰vi丫、lin
密集警告！
先來感受下這場地獄級別的連連看：這是16小塊實驗數據圖，你能看出哪些塊存在相似的地方嗎？
文摘菌看了一會兒就頭昏眼花，但是，你相信嗎？有人可以用肉眼一下子看出其中相似的地方，而且，這就是她每天的日常工作。
這位「連連看高手」就是Elisabeth Bik，人稱跨國論文打假王，專門尋找論文中的異常，目前已經對超過49個國家的研究學者公開發表的論文提出質疑。
她的特殊技能是，可以用肉眼瀏覽數十篇生物醫學類的論文，並尋找其中重複使用的圖像，這些重複圖像包括通過複製、翻轉、移動或旋轉圖像的一部分來創建「新」的實驗數據。
2019年11月，在PubPeer（可匿名討論論文的網站）上，南開大學的校長曹雪濤教授，有超過40篇論文的實驗圖像數據，被質疑存在重複異常。（事後曹教授被質疑的論文已進行更正）
2020年2月，來自我國三甲醫院的400多篇論文被她質疑是論文工廠代寫，論文中的實驗圖像數據以及寫作邏輯都存在問題。
本月初，Bik質疑中國醫學科學院動物研究所所長秦川團隊，在Nature上發布的論文存在重複圖像，5天後秦川團隊回應：誤用一張病理學實驗數據圖片，已向Nature提交更正。
沒錯，這些異常都是她憑著火眼金睛找到的。
走上打假之路之前，Bik也是一名普通的研究者。
1997年，Bik在荷蘭的烏得勒支大學（Utrecht University）結束了她從理學碩士到博士後的研究學習生涯，並於2002年去史丹福大學做助理研究員，此後15年都在研究人類以及哺乳動物的微生物群方向，直到2019年開始「全職「進行論文打假工作。
Bik論文打假工作開始於2013年的一次小意外。當時Bik出於好奇，去搜索了一下自己已發表論文中引用的參考文獻，沒想到其他人沒有按照學術規範表明，進行引用文獻說明。
接著，她在審核一篇博士論文的時候，發現其中的一張實驗圖像：蛋白質印跡的分布規律十分奇怪，更為奇特的是她在論文的另外一章裡也看到了這張圖像，論文裡是將這張圖像作為兩次不同的實驗結果，但Bik認為該圖像不僅本身存在問題，而且還用在兩個不同的實驗中。
由於該論文已經公開發表了，她為了不讓其他研究者因為這篇有錯誤的論文，而開始錯誤研究的路，就向該期刊的編輯發送郵件說明這個問題，並在同年6月在PubPeer網站上對該論文進行匿名評價。
經過一番調查，相關論文被撤回，而這篇涉嫌篡改數據的論文，讓Bik一戰成名。
接下來，Bik開始對尋找造假實驗圖著迷了，由於看論文非常耗費時間，所以她辭掉了醫藥公司的研發總監工作，專心進行論文打假。
Bik對論文打假比本職工作更有激情，她每次提出質疑不止一篇而是好幾篇，甚至是幾百篇打包式質疑，並及時通過和期刊編輯聯繫，對存在異常的論文進行更正或者撤稿。
由於論文數量比較多，她還找到志同道合的朋友一起合作，Bik負責篩查論文，並將篩查出的問題論文結果，傳給兩位朋友：微生物學家Arturo和Fang進行審核，儼然一條論文打假流水線。
他們一共對2萬多篇論文進行抽樣調查，結果發現了782篇論文存在圖像重複的情況。Fang表示:「Bik就像是魔術師，論文中的問題只有經她指出，我們才看得到」。
Bik的日常是從早上開始看論文，一天她收到了來自比利時的科學家的求助信，信中聲稱：請幫忙看看附件裡的實驗圖像是否存在問題？
Bik仔細看了下圖像，發現該蛋白質印跡圖像屬於存在異常的，通常蛋白質印跡條帶分布圖（一種檢測生物樣品中蛋白質的通用測試結果）是模糊，而且類似圓滑的黑色毛毛蟲狀，但圖像上是邊緣非常尖銳，而且像素化的特徵非常明顯。
正常的實驗圖像可能會存在類似的印跡分布，但不大可能出現完全相同的分布。
當然也可能存在圖片被壓縮後的痕跡，或者是研究者在準備圖像數據時不小心上傳了重複圖像，以及舊顯微鏡上的斑點導致每張圖上都有奇怪的斑點。她還需要參考論文的其它地方再來判斷是否存在重複圖像的問題。
雖然她在自傳裡評價自己是直率又刻薄，但她同時又極度內斂。
在她打假成名之後，有非常多的人給她發郵件、發消息，希望她能幫忙看看已發布的論文是不是存在問題。由於數量太多，讓她忍不住發推聲明：因為詢問的人數太多，所以她可能無法及時跟進。並且在這些求助信息裡，還存在團隊或同事之間的不信任，「做一個誠實的科學家真難。」
雖然Bik對於目前的打假工作充滿熱情，但還是會受到威脅和騷擾。比如經常收到私信被罵，推特頻繁被下線，寫郵件給前同事說壞話之類的情況。
要知道，論文打假行業不僅僅只有她一位論文警察，就只有她是公開使用真名發布打假信息。
她開始在每篇文章的開頭寫上：這篇文章不是對學術不端的批評。
由於Bik持續打假，她的粉絲量在一年內翻了三倍。她不僅自己尋找問題，還將發現有問題的論文提前發到推特上，看誰能先找出來問題，並號召大家一起來找茬，第一個答對的人有獎勵，甚至還有粉絲找到了她都沒有找到的隱藏彩蛋。
她自己保守估計至少導致了172次論文退稿，以及超過300次修改。
Bik一天可以精讀大約100篇論文，並向她的資料庫中添加1到20個匹配數據。當一張重複的問題圖像反覆出現，以及一張熟悉的問題圖像再次出現時，系統就會出現提示。當收集的圖像數據足夠多時，系統就可以自我總結規律，比如多次出現問題的研究者就會重點審核。（敲黑板警告）
雖然Bik表示她不針對任何人，但資料庫裡問題最多的研究者的國籍是中國和印度，重複的圖像更喜歡低影響力的期刊。
根據這個資料庫，Bik在和計算機科學家合作開發一款自動查重圖片的軟體，希望可以在數百萬篇論文中發現重複使用的圖片。
「很遺憾，我們不能克隆Elisabeth Bik，」紐約雪城大學的計算機科學家Daniel Acuna說，他的小組是專門研究問題圖像檢測算法，儘管Bik擅長在單篇論文裡查找複製的圖像，但計算機可以通過比較數十萬篇或數百萬篇論文，來幫助找到兩篇論文之間的更多的重複，這對人類來說幾乎是不可能的任務。
2018年，Acuna的團隊在bioRxiv預印伺服器上發布了分析的初步結果，該分析結果從760,000篇論文中提取了200萬張圖像。
事實證明，計算量太大，根本無法將每張圖像彼此進行對比，但是該團隊研究了同一作者在論文內部和跨論文的圖像重複，在手動檢查了軟體標記的3,700多個匹配圖像的樣本後，研究人員確認了40篇異常論文，其中幾乎一半涉及同一張圖像，用於在不同的論文中代表不同的結果。
當前的技術擅長檢測複製，翻轉或旋轉的完全相同的副本。Resis 公司有款軟體，可以檢測論文是否使用重複圖像。比較麻煩的是，例如兩張圖像共享一小塊重疊區域，但在其它方面完全不同。這時，軟體就失效了。
Bik給Acuna提供了更多的樣本數據來訓練機器學習算法，其中包含了大量重複的圖像數據。愛思維爾（Elsevier）也在研發同類型的資料庫，現有500個生物醫學方向的樣本數據，主要是來自撤回論文的圖像數據。
Bik對目前能用的軟體都不滿意。她相信未來會有電腦程式來進行篩選，但人們將始終需要審核結果，尤其是要審核在某些情況下的圖像，存在部分相似的情況。
就這樣，Bik倒了一杯咖啡，坐在桌旁繼續看論文，落地窗外是滿滿的果樹和植物。
相關參考：https://www.nature.com/articles/d41586-020-01363-zhttps://scienceintegritydigest.com/https://scienceintegritydigest.com/2020/02/21/the-tadpole-paper-mill/