作者之声 | 第54期编委述评：多样化设计理念有助提升生成式人工智能皮肤图像的准确性

作者之声 | 第54期编委述评：多样化设计理念有助提升生成式人工智能皮肤图像的准确性的核心信息是什么？

“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...

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。 本文由李正秀、张丽撰写，属于「拓麦Derm」分类。 关键词：皮肤病学、皮肤科作者之声、人工智能、JEADV。 本文由 TalkMED 拓麦医学编辑团队审核发布，内容来源清晰、引用完整，符合平台编辑方针和利益冲突披露政策。

本文核心问答

Q1: 该研究的关键数据和临床意义是什么？

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。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。

Q2: 这篇文章的来源和作者资质如何？

本文由李正秀，中国医科大学附属第一医院，主治医师、张丽，中国医科大学附属第一医院，主任医师撰写。参考文献DOI：10.1111/jdv.20849。发布于2025-09-12。

Q3: 本文涉及哪些核心医学术语和研究方向？

本文围绕「作者之声 | 第54期编委述评：多样化设计理念有助提升生成式人工智能皮肤图像的准确性」主题，涉及皮肤病学、皮肤科作者之声、人工智能、JEADV等核心术语和研究方向。

Q4: 该研究采用了什么研究设计和方法？

本研究采用横断面研究设计。

李正秀
张丽

作者学术资质

李正秀，就职于中国医科大学附属第一医院，所属科室：皮肤性病科，职称：主治医师，博士，博士后，副教授，硕士研究生导师 中国医科大学附属第一医院皮肤科 从事多年皮肤美容及皮肤病诊疗工作，擅长皮肤激光美容、湿疹、银屑病、荨麻疹、特应性皮炎、免疫性皮肤病、病毒疣、疱疹病毒感染等皮肤性病的诊治 主持国家自然基金，发表多篇SCI文章，临床经验扎实理论研究深入。 张丽，就职于中国医科大学附属第一医院，所属科室：皮肤科，职称：主任医师，中国医科大学附属第一医院皮肤科 教授，主任医师，硕士生导师，医学博士 辽宁省医学会皮肤性病学分会副主任委员 中华医学会皮肤性病学分会美容学组委员 中国预防医学会皮肤病与性病预防与控制专委会委员 中国康复医学会皮肤病康复专委会 特应性皮炎康复学组委员 中国整形协会功效性化妆品分会常务理事 辽宁省医学会变态反应学分会常委 辽宁省医学会医学美学与美容学分会委员。

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。

 

青年编委说

点击图片，观看完整课程内容

 

本期执行主编

 

排版设计：Haojun / 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。

肖像经李正秀副教授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

 

本文研究方法与设计类型

本研究采用横断面研究设计。

引用格式：作者之声 | 第54期编委述评：多样化设计理念有助提升生成式人工智能皮肤图像的准确性. 发布日期：2025-09-12. 来源：TalkMED拓麦. URL: https://portal.talkmed.com/news/2688 参考DOI: https://doi.org/10.1111/jdv.20849

2025-09-12

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