Dermoskopik görüntüler kullanılarak yapay zeka tabanlı tanı sistemi oluşturulması ve tanı sisteminin asistan eğitimindeki yerinin değerlendirilmesi
Tezin Türü: Tıpta Uzmanlık
Tezin Yürütüldüğü Kurum: Hacettepe Üniversitesi, Tıp Fakültesi (Türkçe), Dahili Tıp Bilimleri Bölümü, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: TUĞÇE ARSLAN
Danışman: Sibel Doğan Günaydın
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Giriş: Yapay zeka; öğrenme, problem çözme, anlam çıkarma ve hatırlama gibi yeteneklerin makinelere kazandırılması olarak tanımlanmaktadır. Yapay zeka günümüzde hızla gelişen görüntü işleme becerisi kazanmıştır. Dermatolojide tanı koymada kullanılan dermoskopi yönteminde de klinisyenler lezyonların özel olarak çekilen görüntülerini analiz ederek tanı koymaktadır. Yapay zeka ile dermoskopik görüntülerin analizi üzerine çalışmalar bulunmaktadır. Bazı çalışmalarda yapay zeka dermoskopik görüntülere tanı koymada tecrübeli uzman doktorlardan dahi başarılı olarak bulunmuştur. Bu çalışmanın amacı kendi hasta grubumuzun özelliklerini yansıtan dermoskopik görüntüler kullanılarak eğitilmiş bir yapay zekanın dermatoloji uzmanlık eğitiminde araştırma görevlilerinin var olan becerilerine katkısını ortaya koymaktır. Yöntem ve Gereçler: 2013-2023 yılları arasında hastanemizde tanı ve takip amaçlı çekilen dermoskopik fotoğraflar değerlendirildi. Bazal hücreli karsinom, skuamöz hücreli karsinom, melanom, displastik nevus, melanositik nevus, benign keratozlar, aktinik keratoz, dermatofibroma ve vasküler lezyonlar tanılı 4.220 adet görüntüden oluşan veri seti hazırlandı. Bu veri setine literatürde yer alan ISIC 19 açık veri seti eklendi. Bir görüntü işleme yapay zeka algoritması oluşturuldu. Algoritmanın eğitimi ve testinde elde edilen veri seti kullanıldı. Yapay zekanın araştırma görevlilerinin tanı doğruluklarına etkisini araştırmak amacıyla bir ağ uygulaması tasarlandı. Çalışmaya ünitemizde uzmanlık eğitimi alan akademik eğitim takvimi içinde en az bir yıl dermoskopi dersi almış ve en az bir yıllık poliklinikte dermoskopi tecrübesi olan n=17 araştırma görevlisi dahil edildi. Katılımcılara önce kendileri, daha sonra yapay zeka desteği ile yanıtlayacakları her bir tanıdan altışar adet toplam n=54 adet dermoskopik görüntü sorusu uygulama üzerinden yöneltildi. Uygulama üzerinden veriler kaydedildi. Uygun istatistiksel yöntemlerle analiz edildi. Bulgular: Veri seti ISIC19'a ait n=24.731 (%85) dermoskopik fotoğraf ile Hacettepe Üniversitesi (HÜ) hastalarına ait n=4.220 (%15) dermoskopik fotoğraf kullanılarak n=28.951 fotoğraftan oluşturuldu. Yapay zeka n=5.910 fotoğraf ile test edildi. Yapay zekanın tanı koymada 0,91 (%91) doğruluk oranı elde ettiği görüldü. Algoritmanın dengeli doğruluk oranı 0,78 (%78) ve F1 skoru 0,80 olarak hesaplandı. Test setinden hazırlanan 54 soruluk katılımcı değerlendirme testine göre Katılımcıların (n=17) yapay zeka desteği ile doğruluk oranlarındaki değişim bağımlı t testi ile 0,13 (p<0.001) olarak hesaplandı. Yapay zeka desteği ile tüm tanılarda en düşük 0.01 ve en yüksek 0.24 olarak duyarlılık artışı izlendi. Duyarlılıkta en yüksek iyileşme 0,24 (p=0.001) ile bazal hücreli karsinomda görüldü. Bu değeri, 0,20 (p=0.001) ile melanositik nevüs ve 0.19 (p=0.002) ile skuamöz hücreli karsinom değerleri takip ettiği görüldü. Duyarlılık değerindeki en düşük iyileşme değerin ise 0,01 (p=0.773) ile displastik nevüs tanısına ait olduğu hesaplandı. Deneyime göre alt grup analizinde birinci yıl araştırma görevlilerinin yapay zeka desteği ile doğruluk oranları 0,18 (p=0.068) artarak en yüksek değişim değerine sahip olduğu görüldü. İkinci yıl araştırma görevlilerinde yapay zeka desteği ile doğruluk oranı artışı 0,10 (p=0.144); üçüncü yılda 0,12 (p=0.068) ve dördüncü yıl için değişim 0,11 (p=0.042) olarak hesaplandı. Yapay zeka desteğinin sağladığı doğruluk oranı artışının araştırma görevlilerinin deneyim yılı ile anlamlı ilişkisi saptanmamıştır. Sonuç: Çalışmamız yapay zekanın dermatoloji araştırma görevlilerinin dermoskopik görüntüler ile tanı koyma doğruluğunu arttırarak uzmanlık eğitiminin bir parçası olabileceğini göstermiştir. Yapay zeka desteğinin özellikle melanom dışı deri kanserleri öncelikli olmak üzere melanom dahil malign tanılarda duyarlılık artışı sağladığı izlenmiştir.