Bir dermatoloji uzmanının doğrudan geliştirdiği cilt kanseri öğrenme uygulamasının tanıtımı
(molecheck.info)- Dermatoloji uzmanı tarafından geliştirilen cilt kanseri öğrenme uygulaması hakkında bilgi verilmektedir
- Kullanıcıların mobil cihazlarda en iyi deneyimi yaşayabilmesi desteklenmektedir
- Web sitesine (molecheck.info) QR kodu tarayarak erişilmesi önerilmektedir
- Masaüstünde de kullanılabilir, ancak akıllı telefon kullanımı daha uygundur
- Cilt hastalıkları ve lezyon quizleri aracılığıyla cilt kanseriyle ilgili bilgi edinilebilir
molecheck.info ve mobil ortama optimizasyon rehberi
- molecheck.info, bir dermatoloji uzmanının doğrudan katkısıyla oluşturulmuş bir cilt kanseri öğrenme web uygulamasıdır
- Kullanıcılara, QR kodunu akıllı telefon kameralarıyla tarayarak web uygulamasını mobil cihazda kullanmaları önerilmektedir
- En iyi kullanıcı deneyiminin mobil ortamda sunulduğu vurgulanmaktadır
- İsteyen kullanıcılar uygulamayı masaüstü ortamında da kullanmaya devam edebilir
- Bu uygulama üzerinden cilt lezyonu quizleri çözerek cilt kanseri hakkındaki anlayış artırılabilir
1 yorum
Hacker News görüşleri
AI ile kodlamanın DIY tarafını gerçekten seviyorum; kısa süre öncesine kadar bir dermatolog böyle bir fikir ortaya atsaydı, bunu gerçekten hayata geçirmek için uzman ortaklar bulması ve epey iş yapması gerekirdi, bu yüzden çoğu fikir sadece fikir olarak kalırdı. Bu sadece uzman olmayanlara özgü bir durum da değil; benim de onlarca yılda birikmiş bir proje fikirleri listem var ve zaman bulamadığım için hayata geçiremiyordum. Şimdi AI ajanlarını kullanarak neler yapabileceğimi deniyorum.
Aslında tek üzücü taraf, buna “vibe code” denmesi. Herkesin faydalı biçimlerde bilgisayar programlayabilmesi gerçekten harika bir şey.
Ben de benzer durumdayım; yıllardır aklımda dolaşan fikirler vardı ama “nasıl olsa olmayacak” diye düşünüp hiç denemiyordum. Yaklaşık 20 yıldır profesyonel geliştirici olarak çalıştığım için aslında bunları yapabilecek yeteneğim var, ama zaman kaybı gibi geliyordu. Şimdi AI’ın gücüyle son sürat ilerliyorum. Sonuçlar biraz özensiz olsa da hiç olmamasından iyidir diye düşünüyorum. Neyin tutacağını bilemezsin.
Ben de tek başıma muhtemelen yapabilirdim ama haftalar sürerdi ve gerçekçi olmak gerekirse bitiremezdim.
Uzman değilim ama melanom geçiren bir ablam olduğu için cilt kanserine çok ilgiliydim. Bu sayede doğru oranımı hızlıca %50’den %85’e çıkardım. Vakaların çoğu cilt kanseriydi, o yüzden öğrenmesi kolaydı. Bu yüzden benim önerim, gerçek cilt kanseri oranı %50 olsa daha iyi olacağı yönünde. Tabii amaç öğrenmede kötü huylu vakalara odaklanmaksa bu tercih anlaşılabilir. Gerçekte ise mesele düşündüğümden çok daha zormuş. Gerçekten bir dermatologla görüşmek istedim.
Eğer bunu bir dermatoloğun gerçek “eğitimi” için kodluyor olsaydım, gerçek hayattaki oranlara daha yakın yapardım. Dermatolog olarak pratikte insanların endişelendiği cilt lezyonlarının belki 100 tanede 1’i gerçekten kanser çıkıyor. Mevcut veri setinde çok fazla kanser fotoğrafı var; bu yüzden her şeye “kanser” desen bile iyi puan alabiliyorsun. Ama gerçekte kanseri olmayan insanları gereğinden fazla göz doktoruna yönlendirirsen, sonuçta kullanışlı olmayan bir araç olur.
İyi bir nokta. Gerçekte kanser ve iyi huylu lezyonların yaklaşık 50:50 olması daha iyi olabilir. Gelecek sürümlerde bunu yansıtmayı planlıyorum. Elbette gerçek cilt lezyonlarının çoğu zararsızdır, ama yine de kısa ve yoğun bir eğitimle sıradan insanların şüpheli lezyonları ayırt etmesine yardımcı olunabileceğini düşünüyorum.
Biraz daha düşününce, aslında başlangıçta %100 ya da yüksek oranda kötü huylu vaka gösterip insanların önce neye bakmaları gerektiğini öğrenmesini sağlamak daha iyi olabilir diye düşünüyorum. Sonra zorluk kademeli artırılabilir. Oran %50’ye yaklaştıkça puan basit olasılığa yaklaşacağı için daha zor hissettirecektir.
İlk on iki vakanın neredeyse hepsi kanserdi, sonraki on ikinin ise çoğu kanser değildi. (Gerçekten rastgele miydi bilmiyorum.) (Ben de cilt lezyonunun kanserli olup olmadığını gerçekten ayırt edemiyorum.)
Her türlü cilt lekesi, ben ve ne olduğu belirsiz şeylere sahip biri olarak bu proje bana gerçekten ürkütücü geliyor.
Dermatologda her yıl tüm vücut cilt taraması yaptırmak yaygındır. Cilt tipim nedeniyle bunu yıllardır her sene yaptırıyorum; son kontrolde erken evrede bir bazal hücreli karsinom bulundu.
Bende şüpheli olan tek bir şey var, ama yine de yaklaşık 20 dakikayı “dermatofibrom ve bazal hücreli karsinom” diye Google’da arama yaparak geçirdim. Benim durumum dermatofibrom gibi görünüyor, ama bu proje sayesinde yine de kontrol ettirmenin iyi olacağını bir kez daha fark ettim.
Harika bir çalışma. Şimdi mutlaka istatistik tarafını da öğrenmeniz gerekecek ve o zaman bunun işin kolay kısmı olduğunu çabucak anlayacaksınız. Sınıflandırılmış sonuçların gerçekte nasıl kullanılacağı, yani hasta sağlığına net fayda sağlayacak hale getirilmesi çok daha zor bir eşik. Bir startup’ta böyle bir sınıflandırma sistemi geliştirilmişti; teknolojiyi iyi çözmüşlerdi ama bunu olumsuz sonuçlar doğurmadan pratikte nasıl kullanacakları konusunda gerçekten zorlandılar. Hata oranı ne kadar düşük olursa olsun asıl zorluk burada olacak. Hem false positive hem de false negative maliyet ve duygusal etki açısından ağır olabilir.
Gerçekten faydalı bir araç. Kararın gerekçesini açıklayan ya da fotoğrafta doğru cevabın nasıl bulunacağını göstermeye yardımcı olan daha fazla açıklama olsaydı iyi olurdu. Melanom ile seboreik keratoz/nevüs ayrımı zor ve ben hâlâ tam kavrayamadım. Yaklaşık 120 görsele dikkatlice baktım ama hâlâ elim oturmadı. Ayrıca menüdeki kılavuz sayfası yok: https://molecheck.info/how-to-recognise-skin-cancer
Bu gerçekten çok faydalı geri bildirim. Teşhis açısından daha yardımcı olması için yönlendirmeleri geliştireceğim ve menüye de ayrıntılı açıklama ekleyeceğim. Aslında bunu benden başka sadece birkaç hastam kullanır diye düşünmüştüm; HN ana sayfasına çıkacağını hiç beklemiyordum.
Ben de benzer hissettim; tüm set içinde %50 melanom, %50 de “kahverengi iyi huylu lezyonlar” olan bir mod isterdim.
Bunun gerçekten bir "invaziv melanom" olup olmadığını merak ediyorum link
Veri seti metaverisine göre öyle işaretlenmiş. Tabii yanlış sınıflandırılmış da olabilir. Dışarıdan tamamen normal görünen benlerin aslında kötü huylu olduğu çok nadir durumlar vardır; örneğin naevoid melanoma vakaları: naevoid melanoma Google görselleri. Bu yüzden dermatolojik tanı zordur ve AI görüntü sınıflandırması da hukuki ve risk yönetimi açısından kolay değildir. Geçmişte melanom multidisipliner toplantılarında yılda bir ya da iki kez, eski fotoğraflarda hiç şüpheli görünmeyen vakalar olurdu. Hastalara özellikle vurguladığım şey şu: Dışarıdan hiçbir değişiklik göstermeyen bir ben bile birkaç ay içinde değişiyor gibi görünüyorsa mutlaka kontrol ettirilmelidir.
Evet, bu neredeyse kesin olarak yanlış sınıflandırılmış görünüyor.
Ben de doktorum ve projenin amacı ile geliştirme süreci hakkında daha ayrıntılı duymak isterim. “Endişelen / endişelenme” ikili ayrımı muhtemelen daha çok konsültasyon veren klinisyen için önemlidir; buna karşılık “BCC vs melanoma” gibi çoktan seçmeli ayrım tıp öğrencilerinin eğitimi için daha uygun olabilir. Diğer yorumlarda dendiği gibi, bunu gerçek hasta ya da birinci basamak görünümüne yaklaştırmak da ilginç olabilir. Tabii çok fazla iyi huylu nevüs gelirse biraz sıkıcı hâle de gelebilir.
Harika bir fikir; AI ile fikirleri hayata geçirmenin güzel bir örneği. Uzman tarafından yapılmış eğitim araçları, bence AI çağının en umut verici örnekleri. Yine de AI’ın olumsuz kullanımında internet üreticilerinin değerinin teknoloji yatırımcılarına kaydırılması eğilimi çok sık görülüyor ve bu tür projeler de bazen bu eleştirilere karşı “neden kanser tedavisine karşı çıkıyorsun?” tarzı tartışmalarda kullanılıyor; bu da biraz buruk hissettiriyor.
Aslında bu konuda zaten birçok startup kuruldu ve teknolojiyi yapmak mümkün oldu, ama tıbbi ve etik zorlukları aşmak çok daha meşakkatli bir mücadeleydi.
Geri bildirim için teşekkürler, pek çok kişinin uygulamayı faydalı bulmasına sevindim. Bunun kesinlikle AI ile kodlama sayesinde mümkün olduğunu düşünüyorum ve ileride uzmanlık dışı başka alanlara da uygulanabileceğini düşünüyorum.
Harika bir proje ve öğrenme açısından gerçekten çok faydalı, ama bir endişem var: Uygulamadaki “endişe verici” ve “endişe vermeyen” lezyonların oranı gerçek nüfusla uyuşmuyor gibi görünüyor. Rastgele seçilen bir benin kanser olma olasılığı, uygulamanın ima ettiği kadar yüksek değil. Elbette öğrenme verimi için bu gerekli olabilir, ama sıradan insanlarda aşırı endişe yanlılığı yaratabilir. Buna temel oran (base rate) eğitiminin de eşlik etmesi gerekir gibi.
Bu, AI ile kodlamanın kusursuz kullanım örneği. Bir alan uzmanının, uygulanması nispeten kolay bir uygulamaya odaklanıp onu hayata geçirmesi. @sungam, eğer cilt kanseri AI modeli araştırması yapmayı düşünürsen bana her zaman ulaşabilirsin (e-posta profilimde var). Ben, klinik araştırmacıların AI’ı araştırmalarına kolayca dahil edebilmeleri için araçlar geliştiriyorum.