在儿科眼科中评估文本到图像生成.

科学领域:

• 眼科医生 眼科 眼科
• 人工智能的人工智能
• 医疗成像医学成像
• 医学教育 医学教育

背景情况:

• 人工智能 (AI) 在医学中的使用越来越多,需要评估其准确性和实用性.
• 人工智能生成的医疗图像和文本需要严格评估临床和教育应用.
• 由于微妙的病理,儿科眼科对准确的视觉表现提出了独特的挑战.

研究的目的:

• 将人工智能生成的儿童眼科病理图像的质量和准确性与人类插图进行比较.
• 评估伴随这些图像的AI生成的文本信息的可读性,质量和准确性.

主要方法:

• 一项横截面的比较研究使用DALL·E 3和Gemini Advanced来生成九种常见的儿科眼科病理的图像和文本.
• 人工智能生成的图像被评估为解剖学和病理学准确性,文物和颜色.
• 文本回复被评估为质量 (有用性,真实性,无害性) 和可读性 (SMOG,Flesch-Kincaid等级).

主要成果:

• 人工智能生成的图像显示质量差和病理准确性差,明显低于人类图示的对照.
• 人工智能生成的文本信息 (来自ChatGPT-4o和Gemini Advanced) 质量很高,但可读性很低 (SMOG分数8.2-8.5,FKGL 8.9-9.3).
• 发现文本到图像生成器 (TTIs) 不足以生成准确的儿科眼科图像.

结论:

• 目前的文本到图像生成器不足以创建小儿眼科疾病的准确视觉描述.
• 人工智能生成的文本提供高质量,准确的信息,但需要简化以实现最佳的用户可读性.
• 人工智能工具可以作为医学教育中的补充资源,前提是它们的输出经过精心策划,以确保准确性和可访问性.