For at bevare mikroskopibilleder som troværdige data, må institutioner skelne skarpt mellem billedbehandling og billedgenerering. Reglerne bør diktere, at AI kun må anvendes til tekniske forbedringer, såsom støjreduktion (denoising) eller kontrastjustering, som ikke tilføjer nye strukturer. Hvis en algoritme har til formål at gætte sig til manglende detaljer i et lavopløseligt billede, bevæger vi os væk fra observation og over i simulation.
Konkurrencer kan med fordel indføre en kategorisering af indsendte værker. Man kunne skelne mellem 'raw data capture' og 'enhanced imagery'. Samtidig bør der stilles krav om fuld transparens via metadata. Alle brugere skal deklarere præcis hvilken software og hvilke parametre, de har benyttet. Det kan være en specifik version af en deep learning-model eller en bestemt algoritme til dekonvolvering.
Videnskabelige tidsskrifter og konkurrencearrangører bør kræve råmaterialet som dokumentation. Ved at sammenligne det oprindelige mikroskopibillede med det færdige resultat, kan eksperter verificere, at de biologiske fakta forbliver intakte. Uden denne sporbarhed mister mikroskopien sin værdi som vidnesbyrd. Vi skal bruge teknologien til at se tydeligere, ikke til at opfinde det, vi gerne vil se.
