Sorozatunk első részében bemutattuk az MI rendszerek teljesítményértékelésének kihívásait, majd a második részben ismertettük az általunk követett mérési módszertant és az általunk fejlesztett MI felépítését. Ebben a részben bemutatjuk az MI teljesítményét célzó mérési eredményeket, és összehasonlítjuk azokat a klinikai szakorvosok diagnosztikus pontosságával.
2018 eleje óta fejlesztjük a mesterséges intelligencia (MI) alapú bőrelváltozás detektáló és osztályozó appunkat a Semmelweis Egyetem Bőr-, Nemikórtani és Bőronkológiai Klinikájával, ahol gyakorlati körülmények között is fel tudtuk mérni az általunk fejlesztett MI alapú rendszer ponosságát. Az előző posztunkban bemutattuk, milyen kihívásokkal kell szembenéznünk, ha pontos képet szeretnénk alkotni egy MI pontosságáról, illetve bemutattuk a Semmelweis Egyetemen végzett mérések hátterét. Ebben a posztban bemutatjuk a mérési módszertant és az általunk fejlesztett MI felépítését.
A Semmelweis Egyetem Bőr-, Nemikórtani és Bőronkológiai Klinikájával 2018 elején kezdtük el az együttműködésünket. A célunk egy olyan, MI-vel támogatott rendszer kifejlesztése volt, amelynek használatával kevesebb súlyos esettel kell a jövőben foglalkozni a klinikán, illetve remélhetőleg kevesebb felesleges műtétet végeznek majd el. A rendszer mobil alkalmazásokból és egy, a klinikán készült képeket kezelő webes szolgáltatásból áll.
A jövőbeni posztokban az általunk kifejlesztett rendszer és a klinikán dolgozó szakorvosok diagnosztikai pontosságának mérését és összehasonlítását mutatjuk be. Az itt közölt eredmények előzetes jellegűek, az egyes esetek részletes, szakorvosi elemzéseket igényelnek a jövőben, melyekkel a méréseket kiegészítve egy közös cikkben fogjuk publikálni az eredményeinket.
A Budapest Machine Learning Fórumon számolt be Ulbert Attila az emdee.ai életútjáról. Különös figyelmet kaptak a Mesterséges Intelligencia gyakorlati alkalmazhatósága és a már létező bőrgyógyászati praxisba illeszteése.
