性别和种族多样性 通过微手术和整形外科相关子专业的文本图像生成器假设
Makoto Shiraishi1, Chihena Hansini Banda2, Mayuri Nakajima1
1Department of Plastic and Reconstructive Surgery, The University of Tokyo Hospital, Tokyo, Japan.
Journal of hand and microsurgery
|December 26, 2024
概括
生成型人工智能图像模型显示,女性和黑人微外科医生的人口代表性显著不足. 这凸显了需要多样化的培训数据,以确保在外科领域准确地代表AI.
科学领域:
- 医疗成像医学成像
- 在外科手术中使用人工智能
- 外科手术的人口统计数据
背景情况:
- 像ChatGPT这样的生成人工智能模型在包括手术在内的各种领域获得了突出地位.
- 人工智能从文本提示中创建详细图像的能力具有临床应用,特别是在代表外科医生人口统计学方面.
- 特别关注微手术和整形外科子专业.
研究的目的:
- 通过使用人工智能生成的图像,分析整形外科子专业的外科医生人口代表性.
- 将人工智能生成的外科医生人口统计数据与来自美国,日本和赞比亚的现实数据进行比较.
- 评估AI在描绘微手术中使用的外科设备的准确性.
主要方法:
- 一项在2024年6月进行的横截面研究.
- 利用辅助飞行员创意模式 (DALL-E 3) 来生成外科医生图像.
- 将500张人工智能生成的图像 (350个子专业,150个地理) 与现实世界的人口数据进行了比较.
主要成果:
- 人工智能主要产生男性外科医生,女性和黑人微型外科医生比例不足.
- 地理因素影响了代表性:女性/黑人外科医生在美国的过度代表性,日本的外科医生仅限亚洲人.
- 在手术设备的描绘中存在重大不准确性:微手术显微镜的比例低 (4.0%),相比之下,放光镜 (46.0%) 和光学显微镜 (32.0%) 的比例低.
结论:
- 人工智能生成的图像揭示了与微手术和整形外科的实际外科医生人群相比显著的人口差异.
- 发现女性和黑人微型外科医生的代表性不足.
- 强调需要多样化和准确的数据集来训练人工智能模型,以实现无偏的外科表现.
