부적절한 이미지 조작이 연구 출판에서 점차 빈번해지고 있습니다. 애석하게도, 이러한 조작을 가능케 하는 새로운 기술이 진화하면서 이 문제는 한동안 지속될 것 같습니다. 가령, 인공지능(AI)이 생성한 딥 페이크는 최근 추가된 위조 이미지로 증가하고 있는 한 유형입니다1.
이 엄청난 문제 해결을 위한 해결책은 이미지의 진위 여부를 자동 평가하는 것이지만, 우리는 아직 그 수준에 도달하지 못했습니다. 물론, 이미지 포렌식을 위한 새로운 방법, 이미지 복제 탐지를 위한 AI/기계 학습 기반 도구2, 데이터 무결성 전문가가 제공하는 서비스 등이 도입되면서 위조된 이미지에 대한 탐지법에 다소 진전이 있었습니다. 그러나 여전히 이 도전에 맞서 싸우기 위한 핵심 요소는 피어 리뷰(peer review, 동료 검토) 과정입니다.
연구 진실성 유지를 위한 동료 검토자(peer reviewer)의 역할
동료 검토자는 조작된 이미지가 출판 논문에 스며드는 것을 방지할 수 있는 첫 번째 방어선입니다. 그러나 여러 사례에서 잠재적으로 위조된 이미지는 문제를 식별하는 경계 또는 기술 부족으로 인해 동료 검토의 정밀 조사를 비껴갔습니다.
그러한 사례 중 하나는 주요 과학 저널에 게재되기도 했던 줄기세포 연구 논문의 연구 부정행위와 이미지 조작 혐의로 기소된 황우석 박사의 사건이 있습니다3. 이로 인해 위조 데이터에 대한 심각한 우려가 제기되었습니다. 또 다른 사례로 암 연구자 Min-Jean Yin4과 면역학자 Silvia Bulfone-Paus5를 둘러싼 논란이 있는데, 이들의 여러 논문이 위조 이미지를 포함한 것으로 밝혀졌습니다. 따라서 동료 검토자에게는 이러한 사례를 식별하고, 연구 및 출판 무결성을 유지하는 중요한 책무가 따릅니다.
문제 이미지와 관련된 많은 사례는 논문 발표 이후에 연구자들이 식별합니다. 종종 동료 검토자 역할을 하는 이러한 연구자 가운데 일부는 연구 진실성 프로젝트를 주도하고 자신의 연구를 기반으로 회사를 설립하기도 했습니다. Mike Rossner는 이러한 사례의 대표적인 초기 개척자였습니다6. 조금 더 최근에는 생물학자 Enrico Bucci는 Scientific Reports에 발표된 동종요법 연구에서 이미지 복제와 다른 데이터 오류를 탐지하기도 했습니다7.
연구 커뮤니티가 문제 이미지를 잠재적으로 조기에 탐지하려면 동료 검토자가 검토 단계 자체에서 문제를 식별하는 기술을 갖춰야 합니다. 잘못된 주장으로 인한 잠재적인 피해를 고려할 때에 원고에서 이미지 데이터를 철저히 조사하는 것이 특히 중요합니다. 하지만, 과학과 사회에 엄청난 영향을 끼칠 가능성이 있는 연구를 검토하는 것은 때때로 동료 검토자들을 벅차게 할 수도 있습니다. 또, 검토자들이 항상 그러한 조사에 대해 공식적으로 훈련을 받는 것이 아니기 때문에 이는 어려운 일입니다.
임팩트 팩터가 높은 학술지에까지 연구 사기가 발생하고 있는 만큼 분야에 대한 전문 지식만으로 이를 탐지하는 데 한계가 있습니다. 위조 이미지에 대한 예리한 안목과 제공된 이미지 데이터가 연구 주장을 뒷받침할 만큼 신뢰할 만한 것인지를 판단하는 능력을 키우는 것도 중요합니다.
문제 이미지 식별에 필요한 기술 개발을 위한 단계
1. 저널 지침 숙지하기
많은 저널에서 부적절한 이미지 미화, 자르기, 스티칭에 대한 지침을 제공합니다. 원고를 검토하기 전에 검토 중인 저널의 요구 사항 및 규범을 숙지하기 바랍니다.
2. 가장 일반적인 유형의 위조 이미지 알아두기
이미지 무결성 전문가인 엘리자베스 비크(Elisabeth Bik)는 문제의 이미지에 대한 세 가지 주요 범주를 설명합니다8.
- 다른 실험 조건을 보고하기 위해 단일 그림 패널 또는 여러 그림 패널에 동일한 이미지의 복제 또는 사용
- 이미지 또는 이미지 일부의 위치 변경 및 복제
- 스탬핑(stamping, 특정 영역이 여러 번 중복됨) 또는 패치(patching, 배경이 다른 영역으로 가려진 이미지의 일부)를 포함하는 변경 또는 중복
3. 이미지 포렌식 도구 학습하기
이미지 조작에 도움을 주는 소프트웨어는 부적절한 조작을 탐지하는 데에도 도움을 줄 수 있습니다. 이러한 도구에는 젤 사진의 오류를 감지하는 데 자주 사용되는 Image J, 빛/대조 조정을 포착할 수 있는 Photoshop droplets, 대형 이미지 패널을 검토하는 데 사용되는 Adobe bridge 등이 있습니다. Forensically (디지털 이미지 포렌식를 위한 무료 도구 모음) 9는 엘리자베스 비크 박사가 다수의 문제 이미지를 식별하는 데 도움을 얻었습니다. 또한 HEADT Centre11및 ORI(연구 윤리국) 12의 웹사이트를 방문하여 소프트웨어가 어떻게 조작된 이미지를 식별하는지 확인할 수 있습니다. 아직 여러분은 이러한 도구를 직접 사용하지 않을 수도 있고, 일부는 유료이지만, 사용 방법에 익숙해지면, 조작 이미지에 대한 탐지 능력이 강화될 것입니다.
4. 연구 진실성에 대한 워크숍 및 웹 세미나에 참석하기
ORI와 HEADT Centre를 포함한 여러 기관은 이미지 조작 및 해결 방법에 대한 인지 제고를 위해 워크숍과 웨비나를 개최합니다. 이러한 기회를 눈여겨보세요.
5. 소셜 미디어에서 관련 주제를 다루는 연구 진실성 전문가 및 과학 저널리스트 팔로우하기
여러 연구 진실성 전문가가 수행하고 있는 작업에 대해 자세히 읽어 보십시오. 그들 중 다수는 블로그나 소셜 미디어 계정을 통해 관찰, 결과 및 학습에 대해 논의합니다. 과학 커뮤니케이터 및 저널리스트들은 소셜 미디어에서 연구 부정 행위에 관한 기사와 데이터 진실성 전문가와의 인터뷰 등을 공유합니다. 이러한 채널을 통해 전문가 네트워크를 추적하면 이미지 조작 탐지에 대한 최신 정보를 유지할 수 있습니다.
6. 연구자가 문제 연구를 식별하는 온라인 플랫폼 방문하기
PubPeer13와 같은 포럼과 Retraction watch14와 같은 플랫폼은 이미지 조작을 포함하여 최근 사기 사례나 잠재적인 문제 연구를 탐지하고 토론하는 온라인 공간입니다.
7. 중요 포인트 연결하기
원고 검토 시에는 연구 맥락과 이미지 데이터 생성을 위해 채택된 방법론 또는 장비, 그리고 저자가 연구 주장을 뒷받침하기 위해 데이터를 사용하는 방법 사이의 연관성을 이해하는 데 주안점을 두시기를 바랍니다. 이러한 연결에 세심한 주의를 기울인다면 불일치나 문제 신호를 더 잘 발견할 수 있습니다.
8. 최고의 비판적 렌즈는 여러분의 눈
시작하는 좋은 방법은 중요한 이미지(연구 주장과 가장 결정적으로 연결되는 이미지)를 주의 깊게 살피는 것입니다. 여러분도 찾으실 수 있습니다
- 서로 상이하게 보이는 가장자리
- 광택, 매우 깨끗한 배경, 이미지 내 대상의 변경/추가 가능성을 시사하는 색상 변화
- 대상의 크기, 각도, 위치에서의 일관성
- 대상 또는 배경 요소의 텍스처 및 패턴의 유사성 또는 중복성
9. 연구 경험 활용하기
- 여러분의 연구 경험에서 발견하는 진짜 이미지는 문제의 이미지와 비교하는 벤치마킹 역할을 할 수 있습니다. 실제 이미지에서 일반적으로 볼 수 있는 것과 다른 것처럼 보이는 측면에 주의를 기울이십시오. 이미지가 원본이 아닌 것으로 의심되는 경우 구글의 이미지 검색 기능을 사용하여 기존 이미지를 검색합니다.
- 여러분의 기억력을 토대로 통찰력을 끌어내세요. 가령, 웨스턴 블랏이 포함된 원고를 정기적으로 검토를 했다면, 문제가 의심되는 경우 유사한 이미지를 본 적이 있는지를 떠올려 봅니다.
- 자신만의 이미지 편집 경험을 활용하세요. 포토샵 도구는 의도적인 변경을 암시하는 이미지에서 이상한 픽셀화를 보일 수 있습니다. 파워포인트의 picture reset 도구는 기본 원본 이미지를 찾는 데 도움이 됩니다.
저널 편집자에게 우려 사항 전달하기
여러분은 동료 검토자로서 저널 편집자에게 모든 의혹을 보고하여 연구 진실성을 보호할 윤리적 책임이 있습니다. 이 문제를 해결하는 방법에 대한 몇 가지 조언은 다음과 같습니다.
- 우려 제기를 과학에 대한 전문적인 의무로 취급하세요. 동료 연구자들의 연구에 대한 우려를 보고하는 것이 기분이 좋지 않은 일일 수 있습니다. 이를 직업적인 의무로 여기는 것은 이러한 감정에 압도당하거나 불안한 감정을 극복하는데 도움이 될 수 있습니다.
- 객관화하세요. 의심되는 결함에 대해 정직하고 명확하며 구체적인 방식으로 설명하는 데 의견의 포커스를 맞춰야 합니다. 여러분의 목표는 저널 편집자가 다음 단계를 결정하는 데 도움을 줄 수 있는 충분한 맥락과 세부 사항을 제공하는 것이어야 합니다.
- 예의를 갖추고, 신중하세요. 여러분은 의혹을 제기하되, 판결하는 것이 아님을 상기하시기 바랍니다. 따라서, 저자에 대한 개인적인 발언이나 사기를 저지를 의도가 있다고 주장하는 것은 지양해야 합니다. 중립적이고 적절한 방식으로 보고서를 작성하고 정당한 조사를 위한 여지를 남기세요.
이미지 조작에 대한 자동 탐지는 문제가 있는 연구가 학술 문헌의 일부가 되는 것을 방지하는데 더욱 효율적인 방법이 될 것입니다. 그때까지, 이 업무를 수행하는 데 동료 검토자의 기여가 매우 중요할 것입니다. 또한, 문제 이미지에 대한 검토자의 발견은 부정/변조 이미지의 데이터 뱅크를 풍부하게 하고, 궁극적으로 탐지 자동화를 위한 노력을 지원할 수 있습니다.
참고 문헌
1. Wang, L., Zhou, L., Yang, W. & Yu, R. Deepfakes: A new threat to image fabrication in scientific publications? Patterns 3, 100509 (2022).
2. Noorden, R. V. Journals adopt AI to spot duplicated images in manuscripts. Nature https://www.nature.com/articles/d41586-021-03807-6 (2021).
3. Lemonick, M. D. The Rise and Fall of the Cloning King - TIME. TIME http://content.time.com/time/magazine/article/0,9171,1145236,00.html (2006).
4. Terry, M. Former Pfizer Cancer Scientist Gets All 5 Papers Retracted. BioSpace https://www.biospace.com/article/former-pfizer-cancer-scientist-gets-all-5-papers-retracted-/ (2017).
5. Schiermeier, Q. German research centre widens misconduct probe | Nature. Nature https://www.nature.com/articles/news.2010.671 (2010).
6. Rossner, M. & Yamada, K. M. What’s in a picture? The temptation of image manipulation. J. Cell Biol. 166, 11–15 (2004).
7. Guglielmi, G. Peer-reviewed homeopathy study sparks uproar in Italy. Nature https://www.nature.com/articles/d41586-018-06967-0 (2018).
8. Bik, E. M., Casadevall, A. & Fang, F. C. The Prevalence of Inappropriate Image Duplication in Biomedical Research Publications. mBio 7, e00809-16 (2016).
9. Forensically, free online photo forensics tools. https://29a.ch/photo-forensics/.
10. Turan, J. The science and art of detecting data manipulation and fraud: An interview with Elisabeth Bik. The Physiological Society (2020).
11. Thorsten S. Beck. HEADT Centre - How to Detect Image Manipulations? Part 3. The Headt Centre https://headt.eu/How-to-Detect-Image-Manipulations-Part-3/ (2017).
12. Forensic Tools | ORI - The Office of Research Integrity. https://ori.hhs.gov/forensic-tools.
13. PubPeer - Search publications and join the conversation. https://pubpeer.com/.
14. Retraction Watch. Retraction Watch https://retractionwatch.com/.
더 읽을 거리
Beck, Thorsten S. Shaping Images. Scholarly Perspectives on Image Manipulation. (Humboldt-Universitat zu Berlin, 2016)
[전문가 팁!] 동료 검토자가 문제 이미지를 식별하여, 연구 진실성을 지원하는 방법에 대해 더 궁금하신가요? 엘리자베스 비크(연구 진실성 독립 컨설턴트)와 마이클 스트리터(와일리, 연구 진실성 및 출판 윤리 이사) 전문가 패널의 견해를 들어보세요.
