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
Trinidad'da Kajan Fasulyesi Festivali ve Yeni Tarifler
Diego Martin’de Florence Warrick-Joseph, 2014’teki bir kurs sonrası kajan fasulyesi festivali başlattı. İlk festival 2015’te yapıldı; topluluk yeni tarifler geliştirdi ve Warrick-Joseph ürünlerini süpermarketlerde satmayı planlıyor.
Malavi Gölü'nde yeni balık tütsüleme fırınları
Malavi Gölü kıyısındaki balık işleyicileri için 2024'te başlatılan proje, daha az odun kullanan ve dumanı kontrol eden modern tütsüleme fırınları geliştirdi. Fırınlar kaliteyi artırmayı, kayıpları azaltmayı ve işleyicilere eğitim vermeyi amaçlıyor.
C vitamini potasyum perkloratın üreme zararını azaltabilir
Bir çalışma, potasyum perkloratın sperm üretimini ve doğurganlığı olumsuz etkilediğini; medaka balığı modelinde C vitamininin bu zararı azalttığını gösteriyor. İnsanlara etkisini anlamak için daha fazla araştırma gerektiği vurgulanıyor.