Nuevos peligros de las las imágenes generadas por IA: ahora se infiltran en las revistas científicas

En la era de la inteligencia artificial generativa, la línea entre una imagen real y una fabricada en segundos por un algoritmo se ha vuelto difusa. Mientras tanto, las herramientas de IA ya están transformando cómo se crean, editan y comparten los recursos visuales en el ámbito científico.

Investigadores recurren a estos sistemas para ilustrar conceptos complejos, crear datos sintéticos, editar imágenes de laboratorio y generar materiales educativos. Si bien estas tecnologías pueden aumentar la creatividad y eficiencia, también complican la distinción entre una ilustración, una mejora legítima y una manipulación que distorsiona la realidad.

En 2024, dos artículos fueron retirados tras descubrirse que incluían figuras generadas por IA con estructuras biológicamente imposibles. En abril de 2026, el New England Journal of Medicine retractó un estudio al detectar que una imagen clínica había sido modificada con inteligencia artificial.

Estos casos, que alcanzaron notoriedad pública, podrían ser solo una pequeña fracción del fenómeno. Especialistas advierten que la proliferación de imágenes generadas por IA supone un riesgo creciente en disciplinas donde la evidencia visual es central, como la ciencia de materiales.

Limitaciones de los sistemas de detección y nuevos desafíos

Ante este panorama, editoriales académicas han comenzado a implementar sistemas de detección de imágenes sintéticas. Sin embargo, estos detectores solo pueden identificar patrones conocidos por su entrenamiento y casi siempre van un paso detrás de los generadores de imágenes, que evolucionan constantemente. El mayor peligro reside en los visuales hiperrealistas que distorsionan detalles científicos de manera sutil, pero suficiente para superar una primera revisión.

Durante décadas, la autoridad de las imágenes científicas se apoyaba en la dificultad técnica y el acceso restringido a los equipos que permitían su obtención. Microscopios, telescopios, cámaras y recursos institucionales garantizaban que solo un grupo reducido podía producir estos registros, lo que otorgaba a las imágenes un halo de autenticidad.

Sin embargo, la inteligencia artificial erosiona los atajos mentales que el público utiliza para confiar en una imagen: el nivel de sofisticación técnica, la procedencia institucional y la coherencia con creencias previas.

Hoy cualquiera puede generar una imagen con apariencia científica desde un simple texto y compartirla en redes sociales, desvinculándola de su fuente original. En este contexto, la credibilidad de una imagen depende cada vez más de las creencias personales del espectador, no de su calidad técnica o procedencia, explica Nan Li, profesora asociada de Comunicación Científica en la Universidad de Wisconsin-Madison, en un artículo de The Conversation.

Esto genera un efecto preocupante: imágenes auténticas que desafían ideas previas pueden ser descartadas como falsas, mientras imágenes fabricadas que refuerzan opiniones existentes se asumen como verdaderas. Así, la inteligencia artificial amplifica el sesgo de confirmación y mina el poder de la imagen como evidencia científica.

El valor de la transparencia y la necesidad de nuevas normas

Las herramientas de IA pueden ser valiosas si su uso se comunica con honestidad y rigor. Una posible solución es que los investigadores adopten estándares similares a los que ya aplican para la transparencia en datos y metodologías: detallar si una imagen fue creada o modificada por IA, su función (observación, simulación, ilustración) y cómo se verificó su autenticidad.

La familiaridad con la inteligencia artificial, según investigaciones recientes, influye en la percepción de credibilidad de las imágenes, y la divulgación clara sobre su origen puede aumentar la confianza del público.

Sin embargo, la transparencia por sí sola no resolverá todos los desafíos. El uso responsable de imágenes generadas por IA requerirá honestidad profesional, normas colectivas y la elaboración de estándares basados en evidencia para todas las disciplinas.

Por qué la autenticidad sigue siendo esencial en la ciencia

El impacto emocional y la credibilidad de imágenes históricas, como la “Earthrise” de 1968 o las fotografías de Artemis II, radica en la conexión documentada entre la imagen y la realidad científica. El público sabe que detrás hay astronautas, cámaras y misiones verificadas. En la era de la inteligencia artificial, las instituciones científicas ya no pueden dar por sentada la confianza en sus imágenes. La credibilidad dependerá de la transparencia, la documentación rigurosa y la comunicación clara sobre los procesos de producción visual.

Sin normas y protocolos claros, la ciencia corre el riesgo de perder una de sus herramientas más poderosas para comunicar conocimiento y construir confianza: la imagen.