Atualizado para 2026 — A aplicação do RGPD contra grupos de pesquisa cresceu. Este risco continua comum em trabalhos publicados.
O problema das capturas de tela de metodologia
Muitos artigos acadêmicos incluem capturas de tela de ferramentas de análise. O objetivo é mostrar o método. Mas essas capturas podem revelar dados pessoais reais. A maioria dos pesquisadores não percebe esse risco.
Aqui estão quatro casos comuns:
- Um artigo de machine learning mostra um DataFrame do pandas. As primeiras 10 linhas têm nomes e IDs reais de pacientes.
- Um estudo clínico mostra saídas do R. Os valores dos pacientes estão na tela. Os IDs dos pacientes aparecem na margem.
- Um artigo de ciências sociais mostra tabelas do SPSS. As respostas de pessoas reais estão visíveis.
- Um tutorial de periódico mostra um Jupyter Notebook. Registros reais de usuários servem como linhas de exemplo.
Em cada caso, o autor queria mostrar o método. Os registros pessoais não eram o foco. Estavam ali apenas para tornar o exemplo concreto.
Mas "não ser o foco" não significa seguro. O artigo 4(1) do RGPD diz que as informações pessoais incluem quaisquer dados sobre uma pessoa identificada ou identificável. Um registro de paciente em um artigo publicado é informação pessoal. Não importa se aparece em uma captura de tela. Publicá-lo sem consentimento ou base legal segundo o artigo 6 viola o RGPD.
Consulte a visão geral de conformidade com o RGPD para mais informações sobre obrigações de publicação.
Por que isso cria risco legal
Os grupos de pesquisa agora enfrentam maior aplicação do RGPD. Falhas de publicação são um gatilho frequente. Quatro riscos se destacam.
Retratação de periódico. O artigo 17 dá às pessoas o direito ao apagamento. Isso se aplica também a informações publicadas. Se uma pessoa encontrar seus dados em um artigo, ela pode pedir a remoção. Para um periódico, isso geralmente significa retratação ou aviso de correção. Uma retratação prejudica a carreira de um pesquisador.
Constatações de comitês de ética. Os comitês de ética revisam trabalhos publicados. Eles verificam o alinhamento com o RGPD. Começaram a sinalizar artigos que mostram registros pessoais em capturas de tela sem salvaguardas. Essas sinalizações afetam o trabalho futuro do pesquisador.
Violações de acordos de acesso a dados. Os conjuntos de dados de pesquisa vêm com acordos de acesso a dados. Essas regras estabelecem o que pode ser publicado. Uma captura de tela com registros pessoais pode violar o acordo. O resultado costuma ser a perda de acesso ao conjunto de dados.
Limites do artigo 89. O artigo 89 permite o uso de informações pessoais para a ciência. Ele flexibiliza algumas obrigações. Mas apenas onde existem salvaguardas adequadas. Mostrar registros pessoais em uma captura de tela sem desidentificação não é uma salvaguarda. É uma violação.
Consulte nossa página de proteção e salvaguardas para a análise completa.
Com que frequência isso acontece?
O problema não é raro. Afeta trabalhos publicados em muitas áreas.
Alguns fatores o impulsionam.
Normas de reprodutibilidade. Os periódicos querem detalhes do método. Os pesquisadores usam capturas de tela para atender a esse requisito. Nem sempre verificam o que está visível em cada imagem.
Prazos apertados. A pressão do tempo leva a capturas de tela rápidas. Não há tempo para revisar cada imagem em busca de registros expostos.
Baixa visibilidade nas imagens. Um DataFrame pode ter 20 colunas. Nomes e IDs podem estar em uma coluna bem à direita. O pesquisador olha para a coluna de análise, não para a coluna de IDs.
Sem verificação na submissão. Os portais de periódicos realizam verificações de formato e rastreamento de plágio. Nenhum verifica imagens em busca de entidades pessoais. Nada sinaliza o problema antes da publicação.
Fluxo de trabalho de triagem para grupos de pesquisa
Um processo de triagem pré-submissão pode evitar esses problemas. Ele tem sete etapas.
- O pesquisador conclui o rascunho do manuscrito com todas as figuras.
- O rascunho vai para um revisor interno — o IP ou um contato de privacidade.
- A detecção de dados pessoais em imagens é executada em todos os arquivos de imagem do manuscrito.
- O relatório sinaliza imagens com texto legível que corresponde a padrões de entidades pessoais.
- O pesquisador revisa as imagens sinalizadas.
- Para cada imagem sinalizada: substituí-la por uma captura limpa. Trocar o ID do paciente 12847 pelo ID 00001. Substituir nomes reais por "Paciente A."
- O manuscrito final vai ao periódico com imagens limpas.
Opções técnicas:
- Manual: Exportar as imagens do manuscrito. Executar a detecção de dados em lote. Revisar o relatório.
- Semiautomático: Usar uma pasta compartilhada para rascunhos. Executar o processamento em lote toda semana com os novos arquivos.
- Integrado ao fluxo de trabalho: Adicionar uma etapa de triagem ao portal de submissão.
A triagem é rápida. Para um manuscrito de 15 figuras, a detecção de dados pessoais em imagens leva menos de dois minutos. Uma retratação leva meses.
Visite as perguntas frequentes ou o glossário para mais informações sobre os recursos de detecção.
Estudo de caso: universidade europeia
Um grupo de pesquisa adicionou a triagem de dados pessoais em imagens ao seu fluxo de trabalho de manuscritos. Um quase-incidente desencadeou a mudança. Um artigo em revisão tinha nomes de pacientes em uma captura de tela de DataFrame.
O que fizeram:
- Todos os rascunhos de artigos foram processados para detectar dados pessoais em imagens antes da submissão.
- A triagem cobria todas as figuras PNG, JPG e PDF em cada rascunho.
- Um contato de privacidade revisava os resultados.
Resultados durante seis meses:
- 23 manuscritos triados.
- 7 manuscritos (30 %) tinham pelo menos uma imagem com entidades pessoais.
- Tipos encontrados: nomes de pacientes em DataFrames (4 artigos).
- IDs de usuários com formatos de registro de pacientes (2 artigos).
- Endereços de e-mail nas margens de capturas de tela (1 artigo).
- Todos os 7 corrigidos antes da submissão.
- Zero solicitações de retratação ou constatações do comitê de ética após a submissão.
O comitê de ética agora cita este fluxo de trabalho como exemplo modelo de "salvaguarda adequada" segundo o artigo 89. Apoia as futuras solicitações de isenção de pesquisa do grupo.
Leia a declaração do fundador para saber por que o anonym.legal foi criado para esse tipo de problema.