Yapay zeka insana karşı: Yapay zeka ile dermatoloji uzman ve asistanlarının dermatoskopik tanı koyma becerilerinin karşılaştırılması
Artificial intelligence versus humans: Comparing the dermoscopic diagnostic accuracy of dermatology specialists and residents
- Tez No: 972905
- Danışmanlar: DOÇ. DR. YEŞİM AKPINAR KARA
- Tez Türü: Tıpta Uzmanlık
- Konular: Dermatoloji, Dermatology
- Anahtar Kelimeler: Aktinik keratoz, derin öğrenme, dermatoskopi, deri lezyonları, Vision Transformer (ViT), yapay zeka, Actinic keratosis, Artificial intelligence, Deep learning, Dermoscopy, Skin lesions, Vision Transformer (ViT)
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Ankara Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Deri ve Zührevi Hastalıklar Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmada, Vision Transformer (ViT) tabanlı bir yapay zeka (YZ) modelinin dermatoskopik tanı başarısının, farklı deneyim düzeylerinden oluşan geniş bir dermatolog grubunun performansı ile karşılaştırılması amaçlanmıştır. Literatürde, ViT mimarisiyle geliştirilen bir modelin dermatoskopik görüntü sınıflandırmasında bu denli geniş bir katılımcı grubuyla (n = 223) birlikte değerlendirildiği ve hem asistanlar hem de uzmanlarla karşılaştırıldığı ilk çalışma olması yönüyle, alandaki önemli bir boşluğu doldurması amaçlanmıştır. Gereç ve Yöntem: Çalışmaya 71 dermatoloji uzmanı ve 152 asistan olmak üzere toplam 223 kişi katılmıştır. ISIC 2019 veri seti kullanılarak ViT mimarisine sahip bir YZ modeli geliştirilmiş, bu veri setinden seçilen 80 dermatoskopik görüntünün hem model hem de katılımcılar tarafından sınıflandırılması sağlandı. Modelin ve katılımcıların performansı; dengelenmiş doğruluk (BACC), makro F1 skoru (Macro-F1), duyarlılık (SEN) ve özgüllük (SPE) gibi metriklerle değerlendirildi. Ayrıca katılımcıların deneyim süresi ve görev yaptıkları kurum türüne göre alt grup analizleri yapıldı. Bulgular: YZ modeli, hem 8 sınıflı tanı görevinde hem de malign–benign ayrımında katılımcılara kıyasla anlamlı düzeyde daha yüksek doğruluk oranları sergilediği tespit edildi. Katılımcı performansı genel olarak deneyim süresiyle paralellik gösterdiği; ancak 10 yıl ve üzeri deneyime sahip uzman grubunda başarı oranlarının belirgin biçimde düştüğü saptandı. Asistan grubunda deneyim arttıkça performans genel olarak yükseldiği, ancak 3-4 yıl deneyime sahip grupta geçici bir düşüş olduğu gözlendi. Kurum bazlı analizlerde, devlet hastanelerinde görev yapmakta olan uzmanların 8 sınıf ayrımında, üniversite hastanelerinde görev yapan uzmanların malign–benign ayrımında daha yüksek doğruluk değerlerine ulaştığı belirlendi. Hem model hem katılımcılar açısından en düşük doğruluk, aktinik keratoz (AK) olduğu tespit edildi. Sonuç: Elde edilen bulgular, ViT tabanlı YZ modellerinin dermatoskopik görüntü sınıflandırmasında dermatologlardan daha yüksek tanısal performans gösterebildiğini ortaya koymakta; erken tanıyı güçlendirme ve klinik karar destek sistemlerinde tamamlayıcı bir araç olarak kullanılma potansiyeline işaret etmektedir. Geniş katılımcı sayısı ve kıdem düzeylerine göre ayrıntılı alt grup analizleri içermesiyle bu çalışma, literatürde özgün bir katkı sunmaktadır.
Özet (Çeviri)
Objective: This study aimed to compare the diagnostic performance of an artificial intelligence (AI) model based on the Vision Transformer (ViT) architecture with that of a large group of dermatologists representing different levels of clinical experience. To the best of our knowledge, this is the first study in the literature in which a ViT-based model has been evaluated alongside such a large cohort of participants (n = 223) in dermoscopic image classification and compared with both residents and specialists, thereby addressing an important gap in the field. Materials and Methods: A total of 223 participants, including 71 dermatology specialists and 152 residents, were enrolled in the study. A ViT-based AI model was developed using the ISIC 2019 dataset, and a subset of 80 dermoscopic images was selected for classification by both the model and the participants. Diagnostic performance was evaluated using balanced accuracy (BACC), macro-F1 score (Macro-F1), sensitivity (SEN), and specificity (SPE). Subgroup analyses were conducted according to years of experience and type of institution. Results: The AI model demonstrated significantly higher accuracy than human participants in both the 8-class diagnostic task and the malignant–benign differentiation. Participant performance generally paralleled years of experience; however, a marked decline in accuracy was observed among specialists with more than 10 years of practice. Among residents, diagnostic performance tended to improve with increasing training duration, except for a transient dip in the 3–4-year group. In institution-based analyses, specialists working in state hospitals achieved higher accuracy in the eight-class classification, whereas those in university hospitals performed better in malignant–benign differentiation. Both the model and participants showed the lowest accuracy in diagnosing actinic keratosis (AK). Conclusion: The findings indicate that ViT-based AI models can surpass dermatologists in dermoscopic image classification and hold strong potential as complementary tools for enhancing early diagnosis and supporting clinical decision-making. Owing to its large participant cohort and detailed subgroup analyses by experience level, this study provides a unique and valuable contribution to the dermatology AI literature.
Benzer Tezler
- Manisa yöresinde domateste anlaşmalı tarım ve karşılaşılan sorunlar
Başlık çevirisi yok
OSMAN MURAT KOÇTÜRK
- Bir pamuk iplikhanesinde fiili çalışma metodlarının incelenmesi ve mevcut işlemlerin standart sürelerinin saptanması
Başlık çevirisi yok
MÜRŞİDE KESEROĞLU
- Çiğit ve ayçiçek yağlarının doğal antioksidan içerikleri ile bu yağların stabilitelerinin arttırılmaları üzerinde araştırmalar
Başlık çevirisi yok
ALİ KEMAL YALNIZ
- Computer aided design of lumped and distributed broadband matching and filtering networks
Başlık çevirisi yok
ADNAN KÖKSAL
Yüksek Lisans
İngilizce
1987
Orta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Yükleniyor...
