社交媒体中整形外科医生性别与种族对患者认知的影响：基于AI生成图像的实证研究

为探究社交媒体中整形外科医生性别与种族(通过AI生成标准化图片呈现)如何影响患者对其专业能力及选择倾向，研究人员开展了一项基于1777份问卷的对照研究。结果显示，在控制服装、姓名等变量后，医生性别/种族对患者招募、转诊意愿、能力评价及社交媒体影响力评分均无显著差异(平均分3.64-3.74，SD=0.98-1.06)，提示标准化形象展示或可减少人口统计学偏见。

　　

这项有趣的研究利用人工智能(AI)生成八组仅性别与种族不同的标准化医生头像，配合相同的整形手术前后对比照片制作Instagram样帖。通过1777名受访者对医生专业能力(平均分3.74±0.98)、患者招募可能性(3.64±1.06)、转诊意愿(3.72±1.00)及主页访问意愿(3.68±1.05)的评分分析，发现医生人口学特征与评分无显著相关性——即便分析受访者与医生种族匹配情况时亦然。

研究采用严格的变量控制策略：所有AI生成头像保持相同服装、背景及面部特征(仅修改性别/种族参数)，配合统一的手术案例与文案。这种实验设计有效隔离了无关变量干扰，最终数据表明当消除姓名、着装等表层标识后，患者决策可能更关注实际医疗成果而非医生 demographics。

作为证据等级III级的对照研究，其方法论对医疗领域社交媒体营销具有启示意义：标准化视觉呈现或许能帮助突破隐性偏见(implicit bias)的隐形天花板，让患者注意力聚焦于核心医疗质量指标。不过研究者也指出，现实场景中混杂因素更为复杂，后续需探索多模态信息(如视频咨询)对认知的影响。