《Clinical Oral Investigations》：Human perception of AI-generated post-treatment orthodontic facial images: factors associated with misclassification
编辑推荐：
研究目的：本研究评估了参与者区分AI增强的正畸结果图像与真实治疗后图像的能力，并探讨了与检测准确性和感知吸引力相关的社会人口学和行为学因素。材料与方法：在一项横断面在线调查（N=252）中，参与者观看三组微笑图像——治疗前、真实治疗后以及通过ChatGPT w
研究目的：本研究评估了参与者区分AI增强的正畸结果图像与真实治疗后图像的能力，并探讨了与检测准确性和感知吸引力相关的社会人口学和行为学因素。材料与方法：在一项横断面在线调查（N=252）中，参与者观看三组微笑图像——治疗前、真实治疗后以及通过ChatGPT with DALL·E 3生成的AI增强结果，并使用视觉模拟量表（VAS）对每张图像的真实性和吸引力进行评分。一份自定义的七项问卷调查了跨日常和专业场景的AI使用与信任。采用广义估计方程（GEE）处理参与者内的重复图像评估，使用逻辑GEE模型分析误分类结果，使用高斯GEE模型分析吸引力评分。结果：63.2%的参与者将AI增强图像误分类为真实，而18.5%将真实图像误分类为AI生成。AI增强图像的吸引力评分显著高于真实治疗后结果（平均VAS=69.2；95% CI: 67.5–70.9 vs 平均VAS=53.9；95% CI: 51.9–56.0；p<0.001）。对AI生成内容的更高信任与将AI增强图像误分类为真实的更高几率相关（OR=1.38；95% CI: 1.13–1.69），年龄较大也显示出相同方向的微小关联（OR=1.02；95% CI: 1.00–1.05）。结论：在本样本中，AI生成的正畸图像常被误分类为真实，且被认为比真实治疗后照片更具吸引力。随着生成式AI工具日益普及，理解社会人口学和行为学因素如何影响人类信任与感知，对于制定负责任的AI政策和数字素养干预措施至关重要。临床相关性：临床医生应意识到，AI生成的微笑模拟可能引发不切实际的患者期望。本研究提供了实证证据，支持在正畸实践中就AI生成内容的局限性进行透明患者沟通的必要性。
**论文解读：AI生成的正畸治疗后面部图像的人类感知——误分类相关因素分析**
**研究背景与问题**
近年来，生成式人工智能（AI）技术的快速发展，尤其是大型语言模型（如ChatGPT）和图像生成模型（如DALL·E 3）的普及，使得合成面部图像的逼真度显著提升。在口腔正畸领域，AI工具被广泛用于微笑模拟和结果预测，如Invisalign的SmileView等平台，能够生成治疗后的预期效果图。然而，这些AI生成图像与真实临床结果之间的差异可能引发伦理问题：患者若将AI生成的理想化图像视为真实可实现的结果，可能产生不切实际的期望，进而导致对实际治疗效果的满意度下降。尽管已有研究探讨人们对AI生成面部图像的识别能力，但针对正畸特定场景的实证研究仍较为缺乏。此外，年龄、教育水平、对AI的信任等社会人口学和行为学因素如何影响检测准确性和感知吸引力，尚待系统阐明。本研究旨在评估参与者区分AI增强的正畸结果图像与真实治疗后图像的能力，并识别与误分类和吸引力评分相关的因素。
**研究内容与结论**
研究人员通过横断面在线调查（N=252），使用三组临床面部照片（治疗前、真实治疗后、AI增强结果）作为视觉刺激，其中AI增强图像由ChatGPT with DALL·E 3基于单一提示词“Create a perfect and realistic smile”生成。参与者需判断每张图像是否由AI生成，并采用视觉模拟量表（VAS）评分其吸引力。同时，通过自定义七项问卷评估AI使用与信任水平。采用广义估计方程（GEE）分析重复测量数据，逻辑GEE模型用于误分类结果，高斯GEE模型用于吸引力评分。主要结论：63.2%的参与者将AI增强图像误分类为真实，而仅18.5%将真实图像误分类为AI生成；AI增强图像的吸引力评分（平均VAS=69.2）显著高于真实治疗后图像（平均VAS=53.9，p<0.001）；对AI生成内容的更高信任与误分类AI增强图像的几率增加相关（OR=1.38），年龄较大也显示出类似的微小关联（OR=1.02）。该研究发表于《Clinical Oral Investigations》，强调了临床医生需在沟通中明确AI生成内容的局限性，以避免患者期望偏差。
**关键技术方法**
本研究采用横断面在线调查设计，通过非概率抽样招募252名巴西居民参与者。视觉刺激包括三组临床面部照片，每组包含治疗前、真实治疗后和AI增强图像，其中AI增强图像由ChatGPT with DALL·E 3（单次生成，2025年4月19日）基于固定提示词产生。数据收集使用Qualtrics平台，图像顺序随机化。统计分析采用广义估计方程（GEE）处理参与者内重复评估，以参与者为聚类变量，分别使用逻辑GEE模型（误分类结局）和高斯GEE模型（VAS评分）。样本量计算基于无限总体，95%置信水平，7%误差，最小样本量196人，最终纳入252人。来源：巴西巴拉那天主教大学伦理委员会批准。
**研究结果**
**参与者特征**
参与者平均年龄32.9岁（SD=12.3），65.1%为女性，教育背景多样：33.7%仅高中毕业，25.0%拥有本科学位，其余为更高学历（硕士或博士）。
**误分类率**
63.2%的参与者将AI增强图像误分类为真实，18.5%将真实图像误分类为AI生成。通过逻辑GEE模型分析，唯一与AI增强图像误分类显著相关的AI使用问卷项是“信任AI生成内容”（OR=1.38；95% CI: 1.13–1.69），表明信任程度每增加1点（Likert量表），误分类几率增加38%。年龄较大也显示出边界显著的正向关联（OR=1.02；95% CI: 1.00–1.05）。性别、教育水平及其他AI使用变量与AI增强图像误分类无显著关联。对于真实图像误分类为AI生成，仅高中毕业者误分类几率显著较低（OR=0.39；95% CI: 0.18–0.87），其他变量无显著影响。
**吸引力评分**
AI增强图像的VAS评分均值（69.2）显著高于真实治疗后图像（53.9，p<0.001）。高斯GEE模型显示，年龄是唯一与两种图像吸引力评分显著相关的变量：每增加1岁，真实图像VAS评分增加0.50分（95% CI: 0.30–0.70），AI增强图像VAS评分增加0.40分（95% CI: 0.21–0.59）。性别、教育水平及AI使用变量与吸引力评分无显著关联。
**AI使用问卷相关性**
所有AI使用问卷项间呈正相关，最强相关为“日常任务使用AI”与“工作/学习使用AI”（r=0.80），“生成文本使用AI”与“工作/学习使用AI”（r=0.74），“AI生成文本不检查来源”与“发送AI生成文本不注明来源”（r=0.67）。
**总结与讨论**
本研究证实，大多数参与者难以区分AI增强的正畸结果图像与真实治疗后图像，且AI生成图像被认为更具吸引力，支持了“AI超现实主义”现象。年龄较大和对AI的更高信任增加了误分类风险，提示数字素养和批判性思维在应对合成媒体中的重要性。研究局限性包括：仅使用单一AI模型和固定提示词、仅三个临床案例、非概率样本及限于巴西居民，限制了普适性。未来研究应纳入更多样化的病例和AI生成策略，并开发更全面的AI信任测量工具。结论：大多数参与者（63.2%）无法区分AI生成图像与真实治疗后照片，AI增强图像被评为更吸引人。年龄较大和对AI的更高信任与误分类几率增加相关。临床医生应意识到AI生成的微笑模拟可能引发不切实际的患者期望，并在与患者沟通时明确此类内容的局限性。
