人工智能的局限性 人工智能产生的图像用于手术 手术患者教育

科学领域:

• 医学成像医学成像
• 医疗保健中的人工智能
• 进行外科手术教育.

背景情况:

• 人工智能 (AI) 正在快速发展,具有显著的潜力,可以增强临床工作流程和医学的患者理解.
• 文本对图像人工智能生成器越来越复杂,这引发了人们对它们在外科手术等专业领域的实用性提出质疑.

研究的目的:

• 为了评估常见手术手术程序的解剖学准确性,受欢迎的AI文本到图像模型生成的图像.
• 确定人工智能生成的图像是否适合用于手术患者教育材料.

主要方法:

• 五个人工智能文字到图像生成器 (Craiyon,DALL-E,DeepSeek,Gemini,Midjourney,Stable Diffusion) 被提示创建包括手管综合征和杜普伊特林收缩症在内的疾病手术方法的标记图像.
• 生成的图像被评估为可读性,细节,清晰度,解剖现实主义,准确性,适当的手术部位和没有伪造的解剖学,使用10分控制得分作为基准.

主要成果:

• 所有的人工智能生成器的性能都明显低于对照组,其中99.8%的图像含有伪造的解剖学.
• DALL-E显示了最高的整体得分,而Craiyon得分最低.
• 虽然一些人工智能模型 (DALL-E,DeepSeek,Gemini,Midjourney) 显示出与控制器相比的细节和清晰度,但在解剖现实主义和准确性方面,所有这些都显著表现不佳.

结论:

• 当前的人工智能文字到图像生成器,尽管产生了视觉上有吸引力的图像,但经常无法生成手术的解剖学上正确的表示.
• 在人工智能模型培训和微调方面需要取得重大进展,才能可靠地使用这些工具在手术环境中创建准确的患者教育材料.