Melanom tanısında ABCD(E) kriterlerini kullanan yapay zeka sistemleri: Sistematik derleme
90.000'den fazla görüntüyü kapsayan 21 çalışmalık sistematik derlemede, ABCD(E) kriterlerini kullanan yapay zeka sistemleri erken melanomu ayırt etmede uzmanlarla benzer ya da daha iyi performans gösterdi; ancak hasta seçimi yanlılığı bulguların genellenebilirliğini sınırlıyor.
Melanom sıklığı artıyor ve erken, doğru tanı sağkalımı iyileştirebiliyor. ABCD(E) kuralı (asimetri, kenar düzensizliği, renk çeşitliliği, çap ve değişim) melanom taramasında temel bir yaklaşım.
Journal of Cancer Research and Clinical Oncology'de yayımlanan sistematik derleme, ABCD(E) kriterlerini kullanan ya da bunlardan yararlanan yapay zeka sistemlerini inceledi. Cochrane ve PRISMA kılavuzlarına göre taranan 2735 kayıttan 21 çalışma dahil edildi; bu çalışmalar 90.000'den fazla görüntü ya da olguyu kapsıyordu.
Özellikle evrişimli sinir ağları (CNN, DCNN) umut verici tanısal performans gösterdi ve çoğu zaman uzman değerlendirmesine eşdeğer ya da daha iyi sonuç verdi. Erken melanomu ayırt etmede eğri altında kalan alan (AUC) yüzde 90,3'e ulaştı.
Not: Çalışmalarda hasta seçimi yanlılığı saptandı. Veri kısıtlılığı, modellerin farklı popülasyonlara genellenebilirliği ve kararların yorumlanabilirliği önemli sorunlar olarak sürüyor.
Kaynak
Artificial intelligence (AI) in melanocytic lesions diagnosis: a systematic review of methods incorporating ABCD(E)-derived features.Bu metin özgün kaynaktan yapay zeka desteğiyle Türkçe olarak derlenmiş ve hekim incelemesinden geçmiştir. Bilgilendirme amaçlıdır; kişisel tıbbi tavsiye değildir. Tedavi kararları için hekiminize danışın.