University of Missouri'den bir ekip, yapay zekânın melanomayı şüpheli deri lezyonlarının görüntülerinden ayırt etme kapasitesini test etti. Çalışmanın temel amacı, daha yakından tıbbi değerlendirme gerektirebilecek vakaların daha hızlı belirlenmesini sağlayarak erken tanı ve tedaviye katkıda bulunmaktı; teknoloji, uzmanların yerini almak için değil, klinik karar desteği için tasarlandı.
Singh liderliğindeki ekip, doğrulanmış melanom vakalarını da içeren 400.000 görüntü içeren bir veri tabanıyla modelleri eğitti ve test etti. Görüntüler, cildin üç boyutlu dijital haritasını oluşturan 3B (üç boyutlu) toplam vücut fotoğrafçılığı ile elde edildi; bu yöntem araştırmacıların tüm vücut boyunca ince görsel ayrıntıları analiz etmesine olanak veriyor.
Araştırmacılar üç mevcut yapay zekâ modelini karşılaştırdı. Bireysel model doğruluğu tek tek yüzde 88'e kadar gözlendi; üç model birleştirildiğinde performans yüzde 92'nin üzerine çıktı. Ekip, tahmin doğruluğunu artırmak için eğitimde farklı cilt tonlarını, aydınlatma koşullarını ve kamera açılarını daha iyi temsil eden daha çeşitli görüntü setlerine ihtiyaç olduğunu not etti.
Singh, klinik kullanımın zaman alacağını ve yapay zekânın sonuçlarına dair daha iyi açıklamalar sunulmasının sağlık profesyonellerinin güvenini artırıp sistemi klinik karar desteği olarak benimsemeyi kolaylaştıracağını belirtti. Çalışma Biosensors and Bioelectronics: X dergisinde yayımlandı; kaynak University of Missouri'dir.
Zor kelimeler
- melanom — ciltte kötü huylu olan deri tümörümelanomayı
- lezyon — derideki olağan dışı doku veya yaralezyonlarının
- yapay zeka — bilgisayarların insan benzeri görev yapmasıyapay zekânın
- veri tabanı — düzenli şekilde saklanan büyük veri koleksiyonuveri tabanıyla
- üç boyutlu — uzunluk, genişlik ve derinlik içeren
- fotoğrafçılık — fotoğraf çekme ve kaydetme işifotoğrafçılığı
- doğruluk — doğru sonuç verme veya isabet oranıdoğruluğu
İpucu: Türkçe metni okurken veya ses kaydını dinlerken, vurgulanan kelimelerin üzerine gel, odaklan ya da dokun; anında kısa tanımlar görünür.
Tartışma soruları
- Bu teknolojinin klinik karar desteği olarak benimsenmesini kolaylaştırmak için hangi ek bilgi veya araçlar gerekli olabilir?
- Daha çeşitli görüntü setleri oluşturmanın pratik veya etik zorlukları neler olabilir?
- Yapay zekâ, klinik ortamda doktorlarla nasıl dengeli bir şekilde çalışabilir; avantajları ve riskleri nelerdir?
İlgili makaleler
Uganda çiftliklerinde antibiyotik kullanımı ve riskler
Batı Uganda'da küçük çiftçiler hastalıkları hızla antibiyotikle tedavi ediyor. Veteriner hizmetleri sınırlı ve maliyetli olduğu için yanlış kullanım antimikrobiyal direnci artırıyor ve hem hayvan hem insan sağlığını tehdit ediyor.
