Yapay zekâ cilt analizinde dış doğrulama neyi gösterir?

Bir modelin geliştirildiği veri üzerinde iyi çalışması, başka klinikte, başka kamera sisteminde veya farklı cilt tonlarında aynı performansı göstereceği anlamına gelmez. Dış doğrulama, sistemin bağımsız veri ve gerçek kullanım koşullarındaki sınırlarını görmeye yardımcı olur.

Kısa yanıt

Eğitim verisi, iç test ve dış doğrulama birbirinden ayrılmalıdır.
Bağımsız doğrulama; yer, cihaz, zaman ve kullanıcı farklılığını sınamalıdır.
Genel ortalama, alt gruplardaki performans kaybını gizleyebilir.

İç test neden yeterli değildir?

Geliştirme ekibinin kullandığı veri; kamera, ışık, kullanıcı davranışı ve hasta dağılımı bakımından yeni kliniğe çok benzeyebilir. Model bu özelliklere aşırı uyum sağladığında yüksek bir iç test sonucu, yeni ortamda tekrarlanmayabilir.

İyi bir dış doğrulamada ne aranır?

Verinin geliştirme sürecinden bağımsız toplanması, dahil etme ölçütleri, referans değerlendirme, eksik veya düşük kaliteli görüntülerin yönetimi ve alt grup sonuçları açıklanmalıdır. Cilt tonu, yaş, çekim cihazı ve uygulayıcı gibi değişkenler yalnızca toplam doğruluk içinde kaybolmamalıdır.

Yerel doğrulama ayrı bir adımdır

Başka ülkede veya merkezde yapılan dış doğrulama değerli olsa da kliniğin kendi çekim düzeni ve hedef kitlesiyle aynı olmayabilir. Kullanımdan önce yerel iş akışı testi, beklenmeyen çıktıların kaydı ve hekimin çıktıyı ne zaman reddedeceğinin tanımlanması gerekir; bunlar otomatik klinik yarar kanıtı değildir.

Bu makalenin sınırı

Bu içerik tanı, reçete, kişisel risk değerlendirmesi veya tedavi planı değildir. Kaynaklar belirli ürün, cihaz, görev, endikasyon veya çalışma grubuyla sınırlı olabilir.

Kaynaklar ve kanıt sınırı

Aşağıdaki bağlantılar makaledeki sınırları değerlendirmek için kullanılan editöryel başlangıç noktalarıdır.

Ethics and governance of artificial intelligence for health
World Health Organization · 2021
Kapsam ve sınırlılıklar: Sağlıkta yapay zekâ insan özerkliğini, bilgilendirilmiş onamı, mahremiyeti, şeffaflığı, hesap verebilirliği, kapsayıcılığı ve sürekli güvenlik izlemini korumalıdır. Bu yönetişim rehberi herhangi bir cilt analiz sisteminin doğruluğunu, klinik yararını veya amaçlanan kullanımını doğrulamaz.
Editöryel kaynak — imzalı klinik inceleme değildir
Özel Nitelikli Kişisel Verilerin İşlenmesine İlişkin Rehber
Kişisel Verileri Koruma Kurumu · 2025
Kapsam ve sınırlılıklar: Sağlık ve biyometrik veriler dahil özel nitelikli verilerin işlenmesine ilişkin Türkiye rehberidir. Bir yüz fotoğrafı benzersiz kimlik tespiti veya doğrulama için teknik işleme tabi tutulmadıkça otomatik olarak biyometrik veri sayılmaz; ancak görüntüler ve bunlardan türetilen cilt bulguları yine kişisel veri veya sağlık verisi olabilir. Hukuki sebep, aydınlatma, erişim, saklama, silme, güvenlik ve aktarım gerçek veri akışı için ayrıca değerlendirilmelidir.
Editöryel kaynak — imzalı klinik inceleme değildir
Reporting guideline for the early stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI
B. Vasey et al.; DECIDE-AI Expert Group · 2022
Kapsam ve sınırlılıklar: Yapay zekâ karar destek sistemlerinin erken ve gerçek kullanım ortamındaki değerlendirmesi için klinik yarar, güvenlik, insan faktörleri, iş akışı ve insan gözetimi rollerini içeren asgari raporlama maddeleri belirler. Bir raporlama standardıdır; sistemin doğru, klinik olarak yararlı, yanlılıksız veya düzenleyici kurumca yetkilendirilmiş olduğunun kanıtı değildir.
Editöryel kaynak — imzalı klinik inceleme değildir
Disparities in dermatology AI performance on a diverse, curated clinical image set
R. Daneshjou et al. · 2022
Kapsam ve sınırlılıklar: Dış testler dermatoloji görüntü sınıflandırıcılarında, özellikle koyu cilt tonları ve seyrek hastalıklarda belirgin performans sınırlılıkları bulmuş; çeşitli verilerle ince ayar sonrasında iyileşme görülmüştür. Çalışma kozmetik cilt ölçütlerini değil hastalık sınıflandırmasını inceler ve adı belirtilmeyen bir klinik sisteminin performansını ölçemez; model, görev ve alt gruba özgü doğrulama gereğini gösterir.
Editöryel kaynak — imzalı klinik inceleme değildir
Regulatory considerations on artificial intelligence for health
World Health Organization · 2023
Kapsam ve sınırlılıklar: Amaçlanan kullanım, dış doğrulama, veri kalitesi, insan müdahalesi, siber güvenlik ve ürün yaşam döngüsü boyunca dokümantasyon için düzenleyici değerlendirme başlıkları sunar. Bağlayıcı Türkiye mevzuatı veya belirli bir ürün için ruhsat kararı değildir.
Editöryel kaynak — imzalı klinik inceleme değildir
The STARD-AI reporting guideline for diagnostic accuracy studies using artificial intelligence
V. Sounderajah et al.; STARD-AI Steering Committee · 2025
Kapsam ve sınırlılıklar: Yapay zekâ içeren tanısal doğruluk çalışmalarının şeffaf ve eksiksiz raporlanmasına yönelik kılavuzdur. Bir cilt görüntüleme aracının tanı koyabildiğini, klinik yarar sağladığını veya yerel kullanım için uygun olduğunu kanıtlamaz.
Editöryel kaynak — imzalı klinik inceleme değildir
Reporting guidelines for clinical trials of artificial intelligence interventions: the SPIRIT-AI and CONSORT-AI guidelines
H. Ibrahim et al. · 2021
Kapsam ve sınırlılıklar: Yapay zekâ müdahalelerinin klinik araştırmalarında algoritma sürümü, girdi edinimi ve insan-yapay zekâ etkileşimi gibi unsurların şeffaf raporlanmasını amaçlar. Kılavuza uygun raporlama, çalışmanın düşük yanlılıkta veya sonucunun genellenebilir olduğunu garanti etmez.
Editöryel kaynak — imzalı klinik inceleme değildir