学术打假里，图片是最特殊的一块。
文字抄袭需要比对数据库，数据造假需要重做实验，但图片造假往往肉眼就能看出来：同一个条带出现两次、两张"不同"的显微照片背景纹理完全一致、一块区域被复制粘贴到了另一处。
正因为如此，图片成了过去十年学术打假的主战场。这篇盘点六个有代表性的案子，然后回答一个更有用的问题：它们的共同点是什么，以及这些共同点对一个正在写论文的人意味着什么。
先给结论，也是全文最值得记的一句：六个案子里，唯一改变了结局的变量，是有没有原始数据。
一、六个案子
案例一：Elisabeth Bik 与"一个人比对上万张图"
图片打假绕不开这个名字。
Bik 是微生物学家，从 2014 年前后开始系统性地用肉眼比对学术论文里的图像，寻找重复、拼接和复制粘贴的痕迹。她在 2018 年指出，约 35000 篇生物医学文章可能存在图片造假问题、需要撤回。
她和另外两位学者的一项研究是这个领域最常被引用的基准：Bik、Casadevall 与 Fang 发表在 mBio（2016）的论文，给出的比例是约 4% 的论文存在不当的图像重复。
这个案子的意义在于它确立了两件事： - 图片问题是普遍存在的，不是零星个案； - 靠人眼是能查出来的，只是慢，而且极度依赖个人。
Bik 一个人做了多少年，也只能覆盖她读过的那部分文献。这个局限，正是后来"工业化打假"出现的前提。
案例二：耿同学与四十多天连续举报
国内这边有一个类似性质的案例。
北航的耿同学，一个人在四十多天里连续举报多所名校学者的顶刊论文，指出其中的图片问题。
这个案子和 Bik 的案子放在一起，说明的是同一件事：图片打假的门槛正在降低。 不需要机构授权、不需要经费，一个受过训练的眼睛加上公开的论文，就能开始。
而这也意味着：你的论文被谁看到、什么时候被看到，你完全无法控制。
案例三：PTEN 论文，二十年后撤稿
这是"论文没有安全期"最直观的证据。
一篇 2005 年 5 月发表在 Cancer Research（影响因子 16.6，一区）的论文，题目关于 PTEN 的核定位信号样序列。
二十年过去，PubPeer 上有用户借助图片检测工具发现，文中图片"比预期相似得多（Much more similar than expected）"，随后论文被撤稿。
撤稿之后它仍然能在 PubMed 上检索到，只是永久带上了撤稿标记。
这个案子的关键细节：发现问题的不是人眼，是工具。 二十年前查不出来，不是因为当年的人不认真，是因为当年没有能做大规模图像比对的工具。
案例四：Neuron 论文，十四年，但结局不同
这是六个案子里唯一以勘误收场的，也是最值得研究的一个。
一篇 2011 年发表在 Neuron 的文章，2018 年被质疑图片存在剪切和重复，也就是发表七年之后才被发现。
作者积极回复了质疑，但迟迟给不出明确方案。直到 2025 年 4 月，作者找到了原始数据，与期刊提交勘误，事情才落定。
从发表到解决，前后十四年。
把它和案例三并排看，差别一目了然：
| PTEN 论文 | Neuron 论文 | |
|---|---|---|
| 发表 | 2005 | 2011 |
| 问题被提出 | 约二十年后 | 七年后（2018） |
| 问题类型 | 图片相似度异常 | 图片剪切与重复 |
| 最终处理 | 撤稿 | 勘误 |
| 关键差别 | 未见有效的原始数据回应 | 作者最终找到了原始数据 |
两篇都是图片问题、都是发表多年后被翻出来，一篇撤稿，一篇勘误。 中间隔着的就是那份原始数据。
案例五：Eliezer Masliah，二十五年与临床后果
这个案子的量级不同。
Masliah 曾任美国 NIH 神经科学部门负责人，因长达 25 年的系统性图像造假被免职，影响波及临床试验推进和药物审批。
它说明的是图片造假的两个上限：时间上的上限（二十五年也不安全）和后果上的上限（不只是撤稿和履历，可能影响真实的病人）。
案例六：本月的两条新闻，说明这件事仍在加速
2026 年 7 月 16 日：哈佛的癌症研究者因图像重复被撤稿。
2026 年 7 月 15 日：Joachim Boldt 的撤稿数达到 240 篇，而距离这个案子最初爆发已过去十余年，期刊至今仍在陆续撤他的论文。
同月还有一篇乳腺癌论文，在打假人举报十年之后才被期刊撤稿。
把这三条和前面的案例连起来看：这不是历史，是正在发生的事，而且节奏在加快。 Retraction Watch 撤稿数据库目前收录超过 66,000 条，上个月还是 65,000。
二、六个案子的四条共同规律
规律一：时间不构成保护
六个案子的跨度分别是：多年积累（Bik）、四十多天（耿同学，但针对的是多年前的论文）、二十年（PTEN）、十四年（Neuron）、二十五年（Masliah）、十余年且仍在继续（Boldt）。
没有一个短于十年。
原因很实在：数据库不会遗忘，而工具在进步。 当年查不出来，不等于以后查不出来。PTEN 那篇就是被后来才有的工具发现的。
规律二：唯一改变结局的变量是原始数据
案例三和案例四的对比已经说明了这一点。
从"被质疑"到"能自证"之间隔着的，就是你当年有没有把原始文件存下来。
这件事的成本几乎是零（存个文件夹），价值却要在十年后才兑现。而且从最近的趋势看，兑现周期正在变短：Elsevier 的政策明确写着作者可能被要求提供原始、未经处理的图像；顶刊对 Western blot 的普遍要求是显示完整的膜边界和分子量标记，不接受只交裁切好的条带；国内也有高校在通报打假事件后，要求发表前先提交实验原始数据备案。
规律三：长期不回应，等于选择了最坏的结局
翻一遍这几个走向撤稿的案子，一个反复出现的细节是：质疑提出之后长期没有实质性回应。
Neuron 那篇作者"积极回复但迟迟给不出明确方案"，最后靠找到原始数据挽回；而那篇乳腺癌论文，从举报到撤稿隔了十年。
COPE 的撤稿指南里有一条相关的规定： 为了减少危害，撤稿通知应在编辑确信文章严重有缺陷之后尽快发布；如果判定本身有延迟，编辑应当发布关注声明。
换句话说，你的沉默不会让事情消失，只会让它按对你最不利的路径推进。
规律四：从个人打假到工业化筛查
这是最近两年最大的结构性变化。
Bik 和耿同学代表的是人力打假：准，但慢，而且高度依赖个人。面对每年上百万篇的发表量，造假者赌的就是这个概率：论文这么多，谁会挨个看我这篇？
这个赌注现在不成立了。
今年有研究团队用 AI 语言模型扫了 1999 至 2024 年间的 260 万篇癌症研究论文，筛出超过 25 万篇高度疑似出自"论文工厂"的稿子，可疑比例从 2000 年代初的约 1% 升到 2022 年的 16% 以上。
机器不会累，也不在乎你是不是名不见经传的普通作者。而且它是往回扒的。
（一句必要的克制：模型标记的是"疑似"，不是定罪。该研究的识别准确率约 91%，反过来说也意味着约 9% 的误判空间。这份名单的意义不是审判了 25 万篇论文，而是证明了大规模筛查在技术上已经可行。）
三、图片检测能查什么，查不出什么
讲完案例讲工具边界，因为把工具能力吹大对谁都没好处。
目前能有效发现的：
- 图像重复：同一张图在同一篇或不同篇论文里重复出现（含旋转、翻转、缩放、局部裁切后的复用）；
- 拼接痕迹：一张 blot 图由多张图拼成，接缝处的背景纹理对不上；
- 克隆与复制粘贴：图内某个区域被复制到另一个位置（比如复制一个细胞团充数）；
- AI 生成图像的特征：部分工具已具备识别能力。
查不出或查不准的：
- 数据库覆盖不如文本。文本查重比的是数亿级文献库，图像库规模小得多，且各家口径差异很大（厂商自述数字从 7500 万到 1.6 亿都有，引用时务必标来源）；
- 物理、化学类的谱图和示意图，很多不在可识别范围内；
- "这张图是不是这次实验拍的"，工具无法判断；
- 过度处理的边界在哪，工具给不出结论，最终仍是人的判断。
误报也是存在的，最常见两类：同一批实验的相似图像被判重复（本来就该像）、领域内标准化的示意图被判重合。应对方式和文本一样：看清系统标的是哪里，能说明来源和差异的就说明。
所以工具的定位很清楚：它帮你在投稿前发现问题，原始数据帮你在被质疑时自证。两者缺一不可。
四、对一个正在写论文的人，这意味着三件事
第一件：投稿前过一遍图片检测
理由不是"怕被抓"，是因为很多问题根本不是造假，是无意的复用：
- 对照组的图在两篇论文里都用了；
- 同一批实验取错了编号；
- 补充材料里的图和正文重了；
- 合作者提供的图，你不知道他之前用过。
这类问题自己查出来改掉，成本几乎为零；被编辑查出来，性质就变了。
第二件：原始数据按论文归档
规律二已经说明了它的价值。最低限度的做法：
- 仪器直出的文件单独存一个只读文件夹，永不修改；
- 按图编号建子文件夹（Fig1、Fig2……），每张图的源文件放进去；
- 每张图写五行说明：原始文件路径、处理软件与版本、做了哪些处理、有没有拼接、操作人与日期。
这五行说明是性价比最高的一件事。 被质疑时对方问的所有问题，答案都在这五行里。
第三件：搞清楚哪些处理是允许的
调亮度对比度算不算处理？算，而且必须说明。
Elsevier 的政策里写得很明确：原始研究图像不得用 AI 工具创建或修改，这也包括对亮度、对比度、色彩平衡的调整，这些只能用成熟的图像处理软件来做。
为什么连这个都管： 亮度和对比度不是"美化"，它们直接影响读者能看到什么。一个 Western blot 条带，对比度拉高一点，弱信号可能就"消失"了；亮度压一点，背景噪声就"干净"了。这两个操作在造假案例里出现的频率极高。
所以正确的做法是：可以调，但整图统一调、幅度合理、并写进说明。 有问题的是局部处理、选择性增强、以及不说明。
五、常见问题
问：我不做生物医学，图片检测跟我有关系吗？ 有，但程度不同。图片检测目前对显微、blot、组织切片这类图像最有效，对物理化学的谱图和示意图识别能力有限。但"图片重复"这个问题跨学科存在：同一张示意图在多篇论文里用、会议海报的图直接搬进论文，这些在任何学科都可能出问题。
问：用自己以前发表过的图，算不算问题？ 算两个问题：图片重复（图片检测会发现），以及可能的版权问题（哪怕是你自己的图，版权可能已转给出版社）。用自己的旧图也要规范引用并取得许可，这和自我剽窃是一个道理。
问：撤稿数据一个月涨一千条，是不是说明学术圈越来越糟？ 不完全是。撤稿数增长的一部分原因是发现能力变强了：图像比对工具普及、PubPeer 让质疑有了公开渠道、大规模机器筛查成为可能、出版方开始设专职研究诚信岗位。撤稿多不等于造假多，也可能是纠错机制在起作用。 但这一点不该被用来淡化问题，两件事同时为真。
问：被 PubPeer 挂了怎么办？ 先自己核对原始数据，再决定怎么回应。 从这几个案子看，两条经验：一是及时回应比长期沉默好得多；二是拿得出原始数据是唯一能改变结局的东西。如果确认是自己的整理失误，主动联系期刊提出勘误，比等着被撤稿好。
问：图片检测会不会把我的图存进库里？ 这取决于你用的服务是否会索引提交的文档。这是选服务时该问清楚的一件事，尤其是未发表的稿件。
问：这些案子里的人，都是故意造假吗？ 不一定，而这正是关键。COPE 的撤稿指南明确说：不可靠的内容或数据可能来自诚实的错误、天真的失误，也可能来自研究或出版不端，而撤稿的目的是纠正文献，不是惩罚作者。所以"我不是故意的"既不能免除撤稿，也不等于被认定造假。能区分这两者的，还是那份原始数据。
最后
把这六个案子压缩成一句话：图片问题会被发现，只是早晚；而结局取决于被发现时你手上有什么。
Bik 用了十年证明这个问题普遍存在；工具用了几年把发现的成本降到几乎为零；现在机器已经能一次扫两百多万篇，而且是往回扒的。
在这种环境下，"没人会看我这篇"这个赌注已经不成立了。
但好消息是，应对成本其实很低，就三件事：投稿前过一遍图片检测、原始数据按论文归档、搞清楚哪些处理是允许的。
前一件花十几分钟，后两件花的时间更少。它们买的不是"不出问题"，是"出问题的时候你答得上来"。
Neuron 那篇和 PTEN 那篇的差别，就在这里。
查个重 · chagechong.com
重复率检测 · AI 率检测 · 图片检测
图片检测支持图像重复、拼接、克隆与 AI 生成特征识别，投稿前先发现无意的复用。24 小时自助提交，报告在线可查。
查个重，查得准。想你所想，帮你阻挡。
报告仅为图像比对与特征分析结果，是否构成图片不端需结合原始数据与期刊规范判断。检测能发现问题，自证仍需原始数据。
参考来源
- Bik EM, Casadevall A, Fang FC, The Prevalence of Inappropriate Image Duplication in Biomedical Research Publications, mBio（2016）：约 4% 论文存在不当图像重复。
- Elisabeth Bik 关于约 35000 篇生物医学文章可能需撤回的公开表述（2018）及其后续图像打假工作报道。
- 北航耿同学四十余天连续举报多所高校学者顶刊论文的公开报道。
- PTEN 论文（Cancer Research, 2005 年 5 月，IF 16.6）二十年后因图片"比预期相似得多"被撤稿，相关 PubPeer 讨论与撤稿记录。
- Neuron 论文（2011 年发表，2018 年被质疑图片剪切与重复，2025 年 4 月作者提交勘误）相关公开记录。
- Eliezer Masliah 长达 25 年系统性图像造假被免职、影响临床试验与药物审批的公开报道。
- Retraction Watch, Harvard cancer researchers earn retraction for image duplication（2026-07-16）：https://retractionwatch.com/2026/07/16/harvard-cancer-researchers-earn-retraction-for-image-duplication/
- Retraction Watch, Now, 240: More than a decade later, journals are still retracting Joachim Boldt's papers（2026-07-15）：https://retractionwatch.com/2026/07/15/joachim-boldt-retractions-journals-more-than-decade-later/
- Retraction Watch, Weekend reads（2026-07-25，含撤稿数据库超过 66,000 条及本月各案）：https://retractionwatch.com/2026/07/25/weekend-reads-young-girls-death-after-gene-therapy-never-made-public-fda-retracts-lettuce-test-result-ada-delays-editorial-publication-after-controversy/
- Barnett A 等，BMJ（2026）：扫描 1999–2024 年 260 万篇癌症研究论文，标记逾 25 万篇高度疑似论文工厂产物，识别准确率约 91%，可疑比例由约 1% 升至 2022 年 16% 以上。
- Elsevier, Generative AI policies for journals（2026 年 6 月更新；原始研究图像不得用 AI 创建或修改，含亮度、对比度、色彩平衡；可能被要求提供原始未处理图像）：https://www.elsevier.com/about/policies-and-standards/generative-ai-policies-for-journals
- COPE Council, Retraction Guidelines（第三版，2025 年 9 月；撤稿的目的是纠正文献而非惩罚作者、及时处理、必要时发布关注声明）：https://publicationethics.org/guidance/guideline/retraction-guidelines
- 图像比对库规模各厂商自述数据存在出入（7500 万 / 1 亿 / 1.6 亿等口径），引用时须标明来源与时间。
