Durante la pandemia de COVID-19 a finales de 2020, un equipo de la India informó de que la inteligencia artificial podía diagnosticar la infección en las radiografías de tórax. En septiembre del año siguiente, en la Universidad Estatal de Kansas (Manhattan), entrenaron un algoritmo de aprendizaje automático con las mismas imágenes, pero utilizando sólo secciones de fondo en blanco que no mostraban ninguna parte del cuerpo. Aun así, su IA pudo detectar los casos de COVID-19 a un nivel muy superior al de la casualidad.

El crecimiento de la metaciencia ha generado suficiente evidencia empírica sobre a existencia de amenazas en la acumulación de conocimiento científico (muestras pequeñas, p-hack, bias, efectos pequeños). Esto se ha traducido en una falta de reproducibilidad de algunos estudios, la transparencia, y por enede, la eficiencia de la ciencia. En este manifesto proponemos una serie de medidas para una mejor reproducibilidad de las publicaciones, así como una metodología optimizada para aprovechar todo el potencial del método científico.