利用生成文本来对AI模型进行图像探索审美整形外科的种族,性别和年龄,尚不清楚各种患者人群的代表性和包括图像AI模型的代表性和包含。因此,该项目探讨了AI模型产生的图像中种族,性别和年龄的多样性:DALL-E3,Midjourney和Adobe Firefly,以响应着针对流行美学程序的提示:致命的美学方法:脂肪,脂肪成形术和隆鼻。提示旨在要求每种AI模型为每个性别,种族和年龄组合生成手术结果的图像,以及用于吸脂术,骨整形术和隆鼻术的图像:男性与女性,白人或白人,黑人或非裔美国人或非裔美国人,拉丁裔或拉丁裔或西班牙裔或年龄组:20-30岁:20-30岁:20-30岁,31-45岁以上。通过Fitzpatrick和Monk量表评估了每个生成的图像以表示肤色,并使用4项问卷进行性别率。KRUSKAL-WALIS检验用于对成对比较的3个模型(P <0.05)和Wilcoxon Rank Sum测试之间的连续变量进行整体比较(P <0.017,基于Bonferroni方法进行调整后,用于多个比较)。Fischer的East检验用于对3个模型(P <0.05)和成对比较(P <0.017)之间的分类变量进行整体比较。浅色肤色(fitzpatrick i-iii&Monk 1-5)之间没有显着差异与深色肤色(Fitzpatrick IV-VI和Monk 6-10)与图像生成型模型(p = 0.26&p = 0.31)之间。通常在所有3种AI模型(P <0.0001)以及对衰老的描绘时(P = 0.0009)进行了显着差异。似乎具有包容性和浅色肤色和深色肤色的公平代表,但是关于性别偏见的描绘仍然有改善的余地。