Yapay Zeka Tarafından Cilt Kanseri Saptanması İçin Kullanılan Veri Tabanları

Birleşik Krallık'taki araştırmacıların raporuna göre, cilt (deri) kanserini saptamak için mevcut olan yapay zeka algoritmasında yapılan bir analiz, açık deri veri tabanı ile karşılaştırıldığında, koyu deri türlerinin yeterince temsil edilemediğini ortaya çıkarmıştır. Oxford Üniversitesinden David Wen ve meslektaşları tarafından 21 erişime açık veri tabanı ve 17 erişime açık atlastan saptanan 106.950 deri lezyonundan 2436 görüntü Fitzpatrick deri tipi sınıflandırmasına göre bilgi içermekteydi. Araştırmacılar bunlardan yalnızca on görüntünün Fitzpatrick deri tipi V ve yalnızca bir görüntünün Fitzpatrick deri tipi VI olan bir kişiye ait olduğunu bildirmişlerdir.

Wen ve meslektaşları, etnik köken verileri içeren 1585 görüntülük iki veri tabanında Afrika, Afro-Karayip veya Güney Asya kökenli bireylere ait hiçbir görüntü olmadığını belirttiler. Veri tabanları geldikleri coğrafi ile birleştirildiğinde koyu renk derili popülasyonlardan gelen deri lezyonu görüntülerinin büyük ölçüde yetersiz temsil edildiği sonucuna varmışlardır. Sistematik incelemelerinin sonuçları Ulusal Kanser Araştırma Enstitüsü (NCRI) Festivalinde sunuldu ve 9 Kasım'da The Lancet Digital Health dergisinde yayınlandı. Araştırmacılar bu çalışmanın 'bildikleri kadarıyla, erişime açık veri tabanı ve atlaslar aracılığıyla sağlanan ağırlıklı olarak dermoskopik ve makroskopik deri lezyonu görüntülerinin ilk sistematik incelemesi' olduğunu belirtmiştir.

Genel olarak, 14 veri tabanının 11'i (%79) Kuzey Amerika, Avrupa veya Okyanusya'dandır. Dermoskopik görüntü veya makroskopik fotoğraf 21 veri tabanının 19'unda (%91) mevcuttur. Görüntülere ilişkin klinik bilgiler arasında farklılıklar vardır; 81.662 (%76,4) görüntüde yaş bilgisi, 82.848 (%77,5) görüntüde cinsiyet bilgisi ve 79.561 (%74,4) görüntüde vücut bölgesi bilgisi kaydedilmiştir. Araştırmacılar, bu veri tabanı görüntülerinin popülasyonu doğru temsil etmemesi nedeniyle gerçek yaşam ortamında sınırlı kullanıma sahip olabileceğini söylemiştir. Örneğin, bir deri tipine sahip hastaların görüntülerini kullanarak eğitim verilen yapay zeka (YZ) programları, başka bir deri tipindeki hastalarda yanlış tanı koyma potansiyeli taşıyacaktır.

NCRI Festivali'nde yapılan basın açıklamasında Wen, 'Yapay zeka programları, deri kanserinde tanı koymak için çok fazla potansiyele sahiptir, çünkü resimlere bakabilir ve derideki endişe verici noktaları hızlı ve uygun maliyetli bir şekilde değerlendirebilir. Ancak, program geliştirmek için kullanılan görüntüler ve hastalar hakkındaki bilgiler önemlidir, çünkü bunlar programların gerçek yaşam ortamlarında hangi insan grupları için uygun olacağını etkiler. Araştırmalar, programların daha açık renk derili insanlardan alınan görüntüler üzerinde eğitildiğini göstermiştir. Bu da programın doğrulunu etkileyecektir. Ayrıca görüntülerin kim tarafından, hangi koşullarda ve neden çekildiğine ilişkin bilgi de sınırlıdır. Özellikle daha koyu renkli olanlar gibi veri tabanlarında iyi temsil edilmeyen kişilerde nasıl performans gösterebilecekleri konusundaki belirsizlik nedeniyle, bu grupların YZ teknolojilerinden dışlanması ve hatta zarar görmesi söz konusu olabilir' diye eklemiştir.

Araştırmacılar deri görüntüsü veri tabanlarını geliştirmek için güncel bir kılavuz bulunmamakla birlikte, kalite standartlarına ihtiyaç duyulduğunu belirterek 'Adil dijital sağlık hizmeti sunulması tüm deri tipindeki kişilerin yarar görebileceği algoritmalar yaratacak yansız veri tabanları sağlanması ile mümkün olabilir' dediler. Araştırmaya dahil olmayan bir NCRI Deri Grubu üyesi Dr. Neil Steven, Wen ve meslektaşları tarafından yapılan çalışmanın sonuçlarının 'YZ'nın deri kanseri tanısına global düzeyde katkıda bulunmasına ilişkin kaygıları artırdığını belirtti ve ‘Umarım bu çalışma devam eder ve insan deri renginin son derece çeşitli olduğu gerçeği dikkate alınarak tıpta YZ kullanımında kaydettiğimiz ilerlemenin tüm hastalara yarar sağlamasına yardımcı olur' demiştir.