Google’ın Suni Zeka Sistemi, Dermatolojiye El Attı
Her geçen gün değişik alanlarda geliştirilmeye devam eden ve insanların hayatlarını kolaylaştırma yönünde emekler yürütülen suni zekâ uygulamaları, cilt hastalıklarının teşhisinde doktorlara destek olabilir. Google tarafınca geliştirilen bir derin öğrenme sistemi de bu mevzuda oldukça başarıya ulaşmış bir iş çıkardı.
Cilt hastalıkları; üşütme, bitkinlik ve baş ağrısından sonrasında dünyada en yaygın olarak görülen hastalıklar içinde yer ediniyor. Hatta dünya üstünde hastalara uygulanan tedavilerin %25’inin cilt hastalıklarıyla ilgili olduğu ve bu oranın kliniklerde %37’ye çıkmış olduğu tahmin ediliyor.
İnsanlar içinde bu kadar yaygın olan bu durum, Google araştırmacılarını mevzu hakkında emek harcama hayata geçirmeye itti. Google araştırmacıları, suni zekâ sisteminin en yaygın dermatolojik hastalıkları tespit edebilecek kabiliyete haiz olup olmadığını araştırdı. “Değişik Teşhisleri Olan Cilt Hastalıkları İçin Bir Derin Öğrenme Sistemi” makalesinde ve ona birlikte rol alan blog yazısında; sistemin görüntüler ve hasta hakkında metaveriler sunulduğunda 26 cilt hastalığını doğru tespit etmiş olduğu açıklandı. Ek olarak bu başarının ABD’deki sertifikalı dermatologlarla eşit düzeyde olduğu eklendi.
Derin öğrenme sistemi
**
**
Google’da yazılım mühendisi olan Yuan Liu ve Google Health Teknik Program Yöneticisi Dr. Peggy Bui, “Temel bakımda en oldukca görülen cilt hastalıklarını tespit eden bir derin öğrenme sistemi (DLS) geliştirdik. Bu emek harcama, cilt hastalıklarının doğru tespiti mevzusunda hususi eğitimi olmayan genel pratisyen hekimlerin kabiliyetini artıracak DLS’nin potansiyelini gösteriyor” ifadelerini kullandı.
Liu ve Bui, dermatologların herhangi bir cilt hastalığı için bir tek bir tane teşhis koymak yerine yerine ihtimaller içinde tanıların bir listesini hazırladıklarını ve daha sonradan gelen laboratuvar testleri şeklinde süreçlerle bu listeyi daralttıklarını söylemiş oldu. Google araştırmacılarının sistemi de benzer bir yöntemi izliyor. Cilt hastalığına dair klinik fotoğrafların yanı sıra hastanın hastalık geçmişi, yaşı, cinsiyeti ve semptomları da dâhil olmak suretiyle 45 tür metaveri sisteme giriliyor.
Araştırmacılar, suni zekâ sistemini eğitmek için 2010 ve 2017 arasındaki kayıtları kullandıklarını söylediler. Sistemin teşhis doğruluğunun testi için de ABD’deki sertifikalı dermatologların tanıları derlendi. Suni zekâ sistemi, kendisine girilen vakalara koyduğu tek tanıda %71, koyduğu üç tanıda ise %93’lük bir başarı elde etti. Hemen sonra bu veriler; dermatologlar, birinci basamak hekimler ve pratisyenlerle kıyaslandı. Araştırmanın yazarları, sistemin yapmış olduğu üç öngörünün doğruluk oranının %90 bulunduğunu bu oranın dermatologlarda %75, birinci basamak hekimlerde %60, pratisyenlerde ise %55 bulunduğunu söylediler.
Ekip, ek olarak cilt türüne gore ön yargı potansiyelini değerlendirmek için suni zekâ sistemini Fitzpatrick cilt türü bazlı bir teste doğal olarak tuttu. Sistem, burada da ilkine benzer sonuçlar verdi ve ilk tanıda %69 ile %72, üç tanıda %91 ile %94 doğruluk oranına ulaştı. Araştırmacılar, ek olarak suni zekâ sistemini eğittikleri verilerin bir tek tek bir teledermatoloji servisinden alındığını, burada Fitzpatrick cilt türleri veri setlerinin oldukca ender bulunduğunu ve veri örneği eksikliği sebebiyle melanom şeklinde cilt hastalıklarının tespitinin yapılamadığını da eklediler.
