Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightVeri setinde Papüloskuamöz deri hastalıklarının altı farklı alt grubu için klinik ve histopatolojik bulgular bulunmaktadır.
📌 3 Maddede Bu Makale
Özet
Papüloskuamöz deri hastalıkları halk arasında oldukça sık rastlanan ve kendine has morfolojik özellikleri olan deri hastalıkları grubudur. Papüloskuamöz deri hastalıklarının alt gruplarının belirtileri birbirine çok yakın olduğu için teşhis süreci bazı durumlarda zahmetlidir. Hastalığın teşhisi klinik muayenede konulabilir. Klinik muayenenin yetersiz olduğu durumlarda, tanı deri biyopsisi ile histopatolojik değerlendirme ile konulmaktadır. Bu süreçte dermatolog ve patoloğun uyumlu bir şekilde çalışması ve her iki hekimin de teşhis süreci ile ilgili bilgi birikiminin iyi olması gerekir. Bu yüzden Papüloskuamöz deri hastalıklarının tanısı deri biyopsisine ihtiyaç duyulmadan sadece klinik muayene ile dematolog tarafından konulabilmesi için daha basit, yüksek başarı oranına sahip ve klinikte kullanılabilir yöntemlere ihtiyaç duyulmaktadır. Bu çalışmanın amacı Papüloskuamöz deri hastalıklarının yüksek başarı oranı ile tespit edebilecek, klinikte dermatolog tarafından kullanılabilecek, yapay zeka yöntemleriyle geliştirilmiş kural tabanlı algoritma geliştirmektir. Çalışma kapsamında daha önce toplanmış veri seti kullanılmıştır. Veri setinde Papüloskuamöz deri hastalıklarının altı farklı alt grubu için klinik ve histopatolojik bulgular bulunmaktadır. Öncelikle veri seti ikişer sınıflı olacak şekilde gruplandırılmıştır. Daha sonra özellik seçme algoritmalarıyla klinik ve histopatolojik bulgular seçilmiştir. Daha sonra karar ağaçları yardımıyla kural tabanlı teşhis algoritmaları oluşturulmuştur. Çalışma sonucunda, sadece seçilmiş klinik bulgular kullanılarak ortalama %82.98 doğruluk oranı, 0.89 duyarlılık, 0.76 özgüllük oranıyla Papüloskuamöz deri hastalıkları kural tabanlı algoritmalar geliştirilmiştir. Sonuç olarak, bu çalışmada elde edilen sonuçlara göre, çalışma kapsamında geliştirilen algoritmalar, Papüloskuamöz deri hastalıklarının teşhisi için yapay zeka yöntemleriyle geliştirilen yüksek doğruluk oranına sahip kural tabanlı algoritmalar klinikte kullanılabilir.
Abstract
Papulosquamous skin diseases are common skin diseases and have morphological features. The diagnosis process is sometimes troublesome, as the symptoms of the subgroups of papulosquamous skin diseases are very close to each other. The diagnosis of the disease can be made at the clinical examination. In cases where the clinical examination is insufficient, the diagnosis is made by histopathological evaluation by skin biopsy. In this process, dermatologists and pathologists should work in harmony, and both doctors should have a good knowledge of the diagnosis process. Therefore, more uncomplicated, higher success rate, and clinically practical methods are needed in order for Papulosquamous skin diseases to be established only by a clinical examination by a dermatologist without the need for a skin biopsy. This study aims to develop a rule-based algorithm that can detect Papulosquamous skin diseases with a high success rate, can be used by dermatologists in the clinic, developed with artificial intelligence methods. Within the scope of the study, the previously collected data set was used. The data set contains clinical and histopathological findings for six different subgroups of Papulosquamous skin diseases. Firstly, the data set is grouped into two classes. Then, clinical and histopathological findings were selected with feature selection algorithms. Then, rule-based diagnostic algorithms were created with the help of decision trees. As a result of the study, Papulosquamous skin diseases rule-based algorithms have been developed with an average of 82.98% accuracy rate, 0.89 sensitivity, and 0.76 specificity rate using only selected clinical findings. Consequently, according to the results obtained in this study, algorithms developed within the scope of the study, high-accuracy rule-based algorithms developed with artificial intelligence methods can be used in the clinic for the diagnosis of Papulosquamous skin diseases.