人工智能对常见皮肤病诊断的图像生成:对教育和培训目的潜力的评估研究

科学领域:

• 皮肤病学 皮肤病学
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 人工智能 (AI) 在皮肤病学中的整合为医学教育和诊断提供了潜在的好处.
• 皮肤病学中人工智能驱动的图像生成是一个研究有限的新兴领域.
• 人工智能产生的皮肤学图像的准确性和识别性需要彻底调查.

研究的目的:

• 评估AI图像生成软件在创建真实的皮肤病状图像中的准确性.
• 为了确定人工智能生成的皮肤学图像是否与真实临床照片区分开来.
• 评估皮肤病专业人员在呈现AI生成图像时的诊断准确性.

主要方法:

• 用DALLE-2和DALLE-3AI模型生成了10种疾病的皮肤学图像.
• 生成的图像随机与实际的临床照片进行盲目评估.
• 皮肤病学住院医生和主治医生的任务是识别AI图像并提供诊断.

主要成果:

• 人工智能生成的图像正确地被识别为计算机生成的70.8%.
• 在40.83%的病例中,正确的诊断来自AI图像,明显低于临床照片 (72.0%).
• 与DALLE-2 (25.0%) 相比,DALLE-3图像的诊断准确度更高 (56.6%).

结论:

• 人工智能图像生成正在进步,显示了皮肤学教育的前景.
• 由于诊断的局限性,当前人工智能生成的皮肤学图像需要谨慎使用.
• 未来的研究应该专注于人工智能模型的先进,具体和包容性培训数据.