在眼科中评估人工智能生成的前段图像的质量和教育适用性
Yizhou Yang1, Lifang Bai1, Yuecheng Ren2
1Department of Ophthalmology, Eye, Ear, Nose, and Throat Hospital of Fudan University, Shanghai, People's Republic of China.
Scientific reports
|November 29, 2025
概括
人工智能生成的图像对培训眼科医生充满希望. 索拉Turbo可以创建有用的前段图像,特别是在常见的条件下,帮助早期的学员.
科学领域:
- 眼科医生 眼科 眼科
- 医学教育 医学教育
- 人工智能的人工智能
背景情况:
- 文本到图像 (T2I) 人工智能模型正在医学教育中出现.
- 它们在眼科中的应用,特别是对于裂纹灯前段摄影培训的应用,还没有得到很好的定义.
研究的目的:
- 评估人工智能生成的眼科前段图像的临床实用性和教育价值.
- 评估GPT-4o用于文本描述和Sora Turbo用于图像合成的性能.
主要方法:
- 使用GPT-4o描述了40个前段疾病病例,并使用Sora Turbo可视化.
- 使用FRE,FKGL和GFS来评估可读性.
- 20名眼科医生 (10名初级,10名高级) 评价图像-文本对的准确性,可靠性,可识别性,教育价值和稳定性.
主要成果:
- 人工智能生成的白内障和副结膜出血等疾病的图像得分最高.
- 输入管和角膜异物获得较低的分数.
- 提升文本复杂性;高级眼科医生评价图像低于初级,表明基于专业知识的感知差异.
结论:
- 索拉Turbo可以产生临床相关的前部片段图像用于眼科教育.
- 人工智能生成的地图集显示出作为初级学员可扩展的教学工具的潜力.
- 在正式课程整合之前,专家验证和伦理考虑至关重要.
