Geri Dön

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

PDF İndir

  1. Tez No: 972905
  2. Yazar: ARCAN KIVANÇ ÇAPÇI
  3. Danışmanlar: DOÇ. DR. YEŞİM AKPINAR KARA
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Dermatoloji, Dermatology
  6. 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)
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bilimleri Üniversitesi
  10. Enstitü: Ankara Eğitim ve Araştırma Hastanesi
  11. Ana Bilim Dalı: Deri ve Zührevi Hastalıklar Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Tez No

    1015861

    Yapay zekâ ile dramatik yazarlık uygulamaları

    Dramatic writing applications with artificial intelligence

    ADİL VAROLGÜNEŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Felsefeİstanbul Üniversitesi

    Tiyatro Eleştirmenliği ve Dramaturji Ana Bilim Dalı

    DOÇ. DR. OĞUZ ARICI

  2. Tez No

    977429

    Biyoloji öğretmenlerinin yapay zekâ farkındalıklarının ve öz yeterliliklerinin bazı değişkenler açısından incelenmesi

    Investigation of biology teachers' artificial intelligence awareness and self-efficacy in terms of some variables

    ESRA DEMİREL SUBAŞI

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Eğitim ve ÖğretimGazi Üniversitesi

    Matematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı

    DOÇ. DR. NURCAN UZEL

  3. Tez No

    557624

    Mimari tasarımda yapay zeka: Evrişimli yapay sinir ağlarının vaziyet planı tasarımında kullanımı

    Artificial intelligence in architectural design: The use of convolutional neural networks in site plan design

    MUSTAFA KEMAL KAYIŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Mimarlıkİstanbul Teknik Üniversitesi

    Gayrimenkul Geliştirme Ana Bilim Dalı

    PROF. DR. HAKAN YAMAN

  4. Tez No

    835095

    İnsan ve makinede sanat içgüdüsü

    Art motivation in man and machine

    ECE YÜCEL

    Doktora

    Türkçe

    Türkçe

    2023

    Güzel SanatlarIşık Üniversitesi

    Sanat Bilimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DİDEM KARA SARIOĞLU

  5. Tez No

    800851

    Toplum 5.0 açısından yaşanan gelişmelerin yeni mesleklere ve iş alanlarına etkisinin incelenmesi: Mersin Üniversitesi örneği

    Examining the effects of developments regarding society 5.0 on new professions and business areas: The case of Mersin University

    GÜLŞAH YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Çalışma Ekonomisi ve Endüstri İlişkileriMersin Üniversitesi

    Çalışma Ekonomisi ve Endüstri İlişkileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NURCAN TEMİZ

Geri Dön