① Biomedical Research Images Manipulated by Generative AI to Alter Scientific Outcomes: Diagnostic Study of Human and Automated Detection
(연구 결론을 바꾸도록 생성 AI로 조작한 생의학 이미지: 사람과 자동 탐지의 진단 연구)
- 저자 / 게재처: Shuhang Luo, Runhua Tang, Ziyin Chen, Jianye Wang, Ming Liu, Jianfeng Wang, Li Ma / Journal of Medical Internet Research 28:e100710, 2026-10-02 (연구 레터). 소속은 확인 불가입니다.
- 알림 키워드: AI for Science
- 한 줄 요약: 생성 AI로 웨스턴 블롯(단백질 검출 실험 사진)과 종양 사진을 위조한 뒤, 사람과 탐지기가 이를 알아보는지 시험했습니다.
- 왜 중요한가: 지금까지 연구 부정 검증은 사람의 눈과 이미지 비교 도구에 의존해 왔습니다. 이 연구는 그 방어선이 이미 뚫렸다는 것을 수치로 보여 줍니다.
- 핵심 방법과 결과: 이미지 104장(웨스턴 블롯, 피하 이종이식 종양)을 사용했습니다.
- 박사급 전문가 24명의 평균 정확도는 50.5%(표준편차 6.9%)였습니다.
- 가장 좋은 상용 AI 탐지기의 AUC(판별력 지표, 1이 완벽)는 0.790이었습니다. 저자들은 이를 중간 수준의 판별력으로 평가했습니다.
- 근거: JMIR
- 한계와 주의점: 이미지가 104장, 종류가 2가지로 적습니다. 어떤 생성 모델과 탐지기를 썼는지는 확인하지 못했습니다.
- 시사점: 국가 R&D 성과 검증에 원본 데이터 제출과 이미지 이력 관리 같은 '출처 증명' 요건을 넣을 근거가 됩니다.
- 중요도: ★★★★★ — 연구 신뢰성 정책에 바로 쓸 수 있는 정량 근거
- 링크: Google 학술검색