作者之声 | 第54期：人工智能生成的皮肤病图像存在肤色多样性不足及诊断准确性欠佳的问题

作者之声 | 第54期：人工智能生成的皮肤病图像存在肤色多样性不足及诊断准确性欠佳的问题的核心信息是什么？

“作者之声”系列视频出版项目第3卷第6期正式与读者们见面，诚邀皮肤科同仁一起聆听原文作者与编委的学术之声！ 本期原文：AI-generated dermatologic images show deficient skin tone diversity and poor diagnostic accuracy: An experime...

“作者之声”系列视频出版项目第3卷第6期正式与读者们见面，诚邀皮肤科同仁一起聆听原文作者与编委的学术之声！ 本期原文：AI-generated dermatologic images show deficient skin tone diversity and poor diagnostic accuracy: An experimental study 本期作者：Dr. Jared Jagdeo & Dr. Lucie Joerg 关键信息 • 生成式人工智能（AI）模型在皮肤科的应用日益广泛，但在皮肤病图像渲染方面缺乏足够的多样性与准确性，这可能导致对有色人种患者的误诊，并加剧种族健康差异。这引发了人们对基于AI的皮肤病学工具存在偏见及临床可靠性的担忧。 本文由Jared Jagdeo、Lucie Joerg撰写，属于「拓麦精要」分类。 关键词：皮肤病学、皮肤科作者之声、人工智能、JEADV。

本文核心问答

Q1: 这篇资讯的核心内容是什么？

“作者之声”系列视频出版项目第3卷第6期正式与读者们见面，诚邀皮肤科同仁一起聆听原文作者与编委的学术之声！ 本期原文：AI-generated dermatologic images show deficient skin tone diversity and poor diagnostic accuracy: An experimental study 本期作者：Dr. Jared Jagdeo & Dr. Lucie Joerg 关键信息 • 生成式人工智能（AI）模型在皮肤科的应用日益广泛，但在皮肤病图像渲染方面缺乏足够的多样性与准确性，这可能导致对有色人种患者的误诊，并加剧种族健康差异。这引发了人们对基于AI的皮肤病学工具存在偏见及临床可靠性的担忧。

Q2: 本文属于哪个学科分类，涉及哪些关键词？

本文属于「拓麦精要」分类，涉及关键词：皮肤病学、皮肤科作者之声、人工智能、JEADV，由Jared Jagdeo、Lucie Joerg撰写。

Q3: 这篇资讯的发布时间是什么？

本文发布于1756468845，来源为TalkMED拓麦医学资讯平台。

Jared Jagdeo
Lucie Joerg

作者学术资质

Jared Jagdeo，就职于SUNY Downstate Health Sciences University，所属科室：皮肤性病科，职称：其他，美国纽约州立大学下州健康科学大学皮肤病学副教授、光医学中心主任、激光/美学与形体研究所主任 曾任美国加州大学戴维斯分校医学中心和萨克拉门托退伍军人医学中心皮肤病学副教授 美国皮肤病学委员会（ABD）认证皮肤科医师 皮肤病学研究协会（SID）、美国皮肤病学会（AAD）、美国皮肤外科协会（ASDS）、美国激光医学与外科协会（ASLMS）成员 研究重点涵盖皮肤光生物学、伤口愈合、纤维化、皮肤癌、免疫学、...。 Lucie Joerg，就职于SUNY Downstate Health Sciences University，所属科室：皮肤性病科，职称：其他，美国纽约州立大学下州健康科学大学皮肤科研究员 美国纽约奥尔巴尼医学院博士 研究聚焦于人工智能（AI）在皮肤病学中的应用。

关键词：

皮肤病学
皮肤科作者之声
人工智能
JEADV

“作者之声”系列视频出版项目第3卷第6期正式与读者们见面，诚邀皮肤科同仁一起聆听原文作者与编委的学术之声！

本期原文：AI-generated dermatologic images show deficient skin tone diversity and poor diagnostic accuracy: An experimental study

本期作者：Dr. Jared Jagdeo & Dr. Lucie Joerg

 

关键信息

• 生成式人工智能（AI）模型在皮肤科的应用日益广泛，但在皮肤病图像渲染方面缺乏足够的多样性与准确性，这可能导致对有色人种患者的误诊，并加剧种族健康差异。这引发了人们对基于AI的皮肤病学工具存在偏见及临床可靠性的担忧。

• 本研究对四种主流生成式AI模型（Adobe Firefly、ChatGPT-4o、Midjourney和Stable Diffusion）生成的常见皮肤病图像，在肤色多样性与准确性方面进行了创新性的比较分析。其中三种模型的肤色多样性表现明显不足，仅有一种模型的肤色代表性相当。所有模型的图像准确性均较差，仅有15%的图像正确呈现了预期的病症。

• 来自美国纽约州立大学健康科学中心的Jared Jagdeo医生和Lucie Joerg医生等研究者开展了一项横断面研究，旨在探究生成式AI模型在呈现不同肤色人群皮肤病时的包容性与准确性。

 

作者之声

点击图片，观看完整课程内容

 

本期执行主编

 

 预告

本期青年编委中国医科大学附属第一医院李正秀副教授后续将带来编委述评，敬请关注！

 

排版设计：Vanessa

内容校对：Jaya

1

END

1

版权声明：

内容仅限医疗卫生专业人士学习交流使用，非医疗卫生专业人士请主动退出浏览与阅读，否则由此产生的相关风险与后果应自行承担。

未经版权所有者事先许可，不得以任何方式或任何手段对内容涉及的任何文档、图片、音频、视频复制、储存在其他第三方平台；未经版权所有者许可不得以任何方式（包括但不限于：嵌套、深度链接、盗播、盗取、盗链等）直接或间接地使用相关视频内容从事任何商业活动，否则将保留追究侵权者相关法律责任的权利。

肖像经Jared Jagdeo博士、Lucie Joerg博士和张丽教授许可后使用。

 

原文来自：Joerg L, Kabakova M, Wang JY, et al. AI-generated dermatologic images show deficient skin tone diversity and poor diagnostic accuracy: An experimental study. J Eur Acad Dermatol Venereol. Published online July 16, 2025. doi:10.1111/jdv.20849

 

#AI：Artificial Intelligence，人工智能

#Dermatology：皮肤病学

 

引用格式：作者之声 | 第54期：人工智能生成的皮肤病图像存在肤色多样性不足及诊断准确性欠佳的问题. 发布日期：1756468845. 来源：TalkMED拓麦. URL: https://portal.talkmed.com/news/2629 参考DOI: https://doi.org/10.1111/jdv.20849

2025-08-29

分享

收藏

点赞

关于拓麦
媒体矩阵
  • 拓麦TalkMED
  • 拓麦精要
  • 拓麦Derm
  • 拓麦Neurol
  • 拓麦Diabetes
  • ONCO前沿
  • 血液前沿
  • 血管资讯
  • MED WIKI
  • 三七二十e
下载桌面应用
苹果应用下载
安卓应用下载

Copyright (C) 2026 by eDoctor Healthcare Communications. All Rights Reserved.

沪公网安备31010502003091号 | 沪ICP备11005620号-15