AI技術進步，透過開源影像生成技術，讓我們更了解AI觀點。研究使用OpenAI的DALL E-2 AI生成眼科醫師影像，發現AI偏向描繪美國眼科醫師為白人男性。年輕眼科醫師則呈現更多元化，女性比例較高。研究指出AI可能反映年輕眼科醫師多樣性增加趨勢，值得進一步探討。 PubMed DOI

人工智慧在整形外科領域有重大影響，特別是生成對抗網路。透過GANs可保護病患隱私、提供多元情境接觸及促進醫學教育民主化。研究發現DALL-E 2、Midjourney、Blue Willow、ChatGPT-4和Google的BARD等AI模型能生成逼真整形外科圖像，減少對真實病患照片的需求。然而，這些圖像偏向較淺膚色女性，缺乏其他族群代表性。在應用人工智慧時應謹慎，確保道德及包容性，維護醫學標準。 PubMed DOI

討論了生成性文本和視覺神經網路對健康專業社會認知的風險。強調了對健康專業，特別是護理相關的刻板印象，以及這些印象如何影響醫療系統。研究發現神經網路常重現有關護理專業人員的刻板印象，視覺網路強調外表印象，而文本網路則專注於功能印象。建議努力避免重現刻板印象並不完全成功，提倡推廣社會人文評估，以防止感知失真的傳播。提出了一種「提示實驗」作為解決這些風險的方法。 PubMed DOI

研究發現AI在醫學領域沒有偏見，強調解決不平等問題對抗AI偏見的重要性。呼籲消除醫學領域的性別障礙，強調高質量數據對減輕AI偏見的作用。強調確保醫療和教育領域的AI應用公平無偏見。 PubMed DOI

文字轉圖像AI程式可根據提示生成圖像，但可能帶有社會偏見。研究指出，這些AI系統可能重現外科醫生的刻板印象，且缺乏多元代表性。擔憂AI強化歷史偏見，呼籲監管AI輸出，尤其在醫療領域。了解AI對醫療的影響至關重要，以維護專業價值觀。 PubMed DOI

在澳洲，雖然女性藥師佔64%，但她們在視覺表現上仍然不足。2024年3月的一項研究使用DALL-E 3生成澳洲藥師的圖像，結果顯示69.7%的藥師是男性，93.5%擁有淺色膚色，顯示出明顯的性別和種族偏見。所有生成的藥師圖像都是男性且膚色淺，與實際的多樣性形成鮮明對比。這項研究凸顯了生成式AI可能延續刻板印象的問題。 PubMed DOI

這項研究分析了生成式人工智慧在醫學影像領域的偏見，使用了四個AI工具（DALL-E 3、Firefly 2、Stable Diffusion 2.1和Midjourney 5.2）創建了184張圖像，涵蓋391個角色。結果顯示，60.6%的角色為男性，87.7%擁有淺色膚色，顯示出對白人男性的偏見。DALL-E 3和Midjourney 5.2的男性比例較高，而Firefly 2的淺色膚色角色較少。圖像質量方面，DALL-E 3和Midjourney 5.2表現較佳，強調了對AI偏見的批判性評估的重要性。 PubMed DOI

這項研究揭示了醫學影像領域中性別和族裔的差異。雖然大多數醫學生是女性，但實習放射科醫生中只有26%-35%是女性。研究使用生成式AI工具DALL-E 3創建了120幅醫學影像專業人員的圖像，結果顯示57.4%是男性，淺膚色個體過度代表（91.2%）。放射科醫生和醫學物理學家的男性比例更高，分別為65%和62%，而醫學影像護理人員的男性比例最低，僅26%。此外，沒有殘障人士的代表，顯示生成式AI可能延續現有偏見，未能反映多樣性。 PubMed DOI

將人工智慧（AI）應用於重症醫療能提升病患照護，但AI模型中的偏見可能影響多樣性與公平性。本研究分析了兩個AI圖像生成模型（Midjourney和ChatGPT DALL-E 2）所產生的重症醫師圖像，並與美國勞動力數據比較。結果顯示，這些模型過度代表白人和年輕醫師，且女性比例偏低。研究強調在醫療領域使用AI時，必須重視公平性、透明度和倫理問題，以避免強化刻板印象。 PubMed DOI

最近的研究評估了ChatGPT在術前麻醉計畫中的表現。研究發現，ChatGPT生成的計畫與資深麻醉顧問的計畫存在一致性，但在心肺風險評估上經常出現分歧。其回應重複，偏好全身麻醉，且缺乏局部麻醉技術，氣道管理和術後鎮痛建議也不一致。雖然某些差異不顯著，但對高風險患者的建議被認為不當。總體來看，ChatGPT的麻醉計畫未達臨床標準，未來需進一步評估其在臨床中的應用。 PubMed DOI