利用生成性文本对图像人工智能模型来探索塑料和美容手术中的种族,性别和年龄
Maissa Trabilsy1, Arianna Genovese1, Srinivasagam Prabha1
1Division of Plastic Surgery, Mayo Clinic, Jacksonville, FL, USA.
Aesthetic surgery journal
|May 16, 2025
概括
生成型人工智能模型显示公平的皮肤色调表示,但表现出性别偏见,并支持美容手术图像中的西方化美容标准. 需要进一步改进人工智能生成的患者描述的包容性.
科学领域:
- 医疗人工智能 医疗人工智能
- 医疗成像医学成像
- 整形外科 整形外科 整形外科
背景情况:
- 生成文本对图像人工智能模型对不同患者群体的代表性尚未得到充分理解.
- 评估人工智能包容性对于公平的医疗保健应用至关重要.
研究的目的:
- 评估人工智能生成的脂肪吸收,胆管整形和鼻整形的图像中的种族,性别和年龄的多样性.
- 为了在DALL-E3,Midjourney和Adobe Firefly模型中比较图像生成.
主要方法:
- 人工智能模型根据特定的人口和程序提示生成图像.
- 图像被评估为皮肤颜色 (菲茨帕特里克/蒙克尺度),性别平等以及遵守西方化美容标准.
- 统计分析 (克鲁斯卡尔-瓦利斯,费舍尔的精确测试) 与模型性能进行了比较.
主要成果:
- 在不同模型中,在亮色与深色皮肤色调的表现上没有显著差异.
- 在模型和性别之间的年龄描述中观察到显著的差异.
- 在描绘清晰的皮肤,眼睛大小/颜色和鼻子形状方面发现了显著的差异,有利于西方化的理想.
结论:
- 人工智能模型展示了明亮和深色肤色的公平表示.
- 性别偏见和人工智能生成的外科结果图像中西方化美容标准的延续需要改进.
- 加强人工智能包容性对于多样化的患者代表性至关重要.
