Yüz fotoğrafından çıkan bir cilt puanı, cildin tamamını anlatan kesin bir hüküm değildir. Bu sonucun neyi kapsadığını, hangi koşullarda değişebildiğini ve uygulamanın fotoğrafla ilgili verileri nasıl kullandığını bilmek gerekir. Telefon uygulamaları ve akıllı aynalar benzer görüntülerden yararlansa da ölçüm kapsamları ve değerlendirme bağlamları aynı değildir; aradaki farkı anlamak, ekrandaki sonucu doğru yere koymayı sağlar.
Yüz görüntüsünden hangi özellikler çıkarılır?
Tam yüz görüntüleme sistemleri, pigmentasyonu, kızarıklık ve damar görünümünü, cilt dokusunu ve yaşlanma belirtilerini değerlendirebilir. Fotoğrafa dayalı nicel değerlendirme, cilde müdahale etmeden yüzeydeki ve yüzey altındaki özellikleri ele alır; yani ölçüm, görüntüden çıkarılan özelliklere dayanır. Akademik çalışmalardaki yapay zekâ sistemleri kırışıklık, pigment lekesi, gözenek ve kırmızı noktaları sınıflandırmayı da inceler.
Akıllı aynalar için araştırma prototipleri, yüz görüntüsünü standart koşullarda alıp yapay zekâyla değerlendirecek biçimde tasarlanabilir. Buradaki ayna, her evde bulunan bir cihazın aynı ölçümü yaptığı anlamına gelmez; araştırma yaklaşımının amacı görüntü koşullarını sabitleyerek karşılaştırmayı kolaylaştırmaktır.
Fotoğraf koşulları takip sonucunu nasıl etkiler?
Takip fotoğrafında ışık ya da kamera açısı değiştiğinde, görüntü analizi sonucu da değişebilir. Doku, gözenek ve pigmentasyon karşılaştırmasında ekipman, ışık ve kişinin pozisyonu sabit tutulmalıdır; aksi durumda görülen farkın ciltteki değişimden mi çekim koşulundan mı kaynaklandığını ayırmak zorlaşır.
Pratik sıra şöyle işler: Önce fotoğrafın hangi koşullarda çekildiğini not etmek karşılaştırma için başlangıç noktası sağlar. Ardından ışık, görüş açısı, ekipman ve kişinin pozisyonundaki değişiklikler göz önünde tutulur. Dermatologların seçtiği veya çektiği lezyon fotoğraflarıyla yapılan çalışmalar, fotoğrafını kendi çeken sıradan kullanıcıların sonuçlarını doğrudan temsil etmeyebilir. Kullanıcıların uygulamayla fotoğraf çekme başarısı alt grupta yüzde 28,9’du ve sonuç farklı akıllı telefon modellerine göre değişti.
Uygulama sonuçları neden aynı güven düzeyini taşımıyor?
Tablodaki ölçütler farklı sorulara yanıt verir: uyum, iki değerlendirmenin ne kadar örtüştüğünü; duyarlılık, ilgili vakaların ne kadarının yakalandığını; özgüllük ise ilgili olmayanların ne kadarının doğru ayrıldığını anlatır. Doğruluk, tüm sonuçlar içindeki doğru sınıflandırmaların payıdır.
| Özellik veya çalışma | Bağlam ve bildirilen sonuç |
|---|---|
| iPad Pro yüz analizi | Dermatologla genel uyum yüzde 69; kızarıklık yüzde 83,7, kırışıklık yüzde 81,6, yağlılık yüzde 53,1 |
| SkinVision | Derlemede kötü huylu veya kanser öncesi lezyonlarda duyarlılık yüzde 80, özgüllük yüzde 78 |
| Lezyon değerlendirmesi | 125 kişi, 199 lezyon; 90 vaka analiz edilemedi, uyum zayıftı (ağırlıklı kappa 0,02) |
| Melanom uygulamaları | Derlemede dört uygulamanın duyarlılığı yüzde 7–73, özgüllüğü yüzde 37–94 aralığında |
Bu sonuçlar farklı cihazları, uygulamaları, görüntü kümelerini ve değerlendirme koşullarını kapsıyor. Ayrıca akne sınıflandırmasına ait bulgular ile lezyon kanseri değerlendirmeleri aynı ölçütmüş gibi okunamaz. 2026’daki prospektif çalışmada uygulama fotoğraf çekimini lezyonların yüzde 16,6’sında tamamlayamadı; analiz edilebilen görüntülerde cilt kanseri için duyarlılık yüzde 82,5, özgüllük yüzde 76,8 bulundu. Bunlar yalnız o çalışmanın koşullarını anlatır.
Araştırma bulgusu günlük kullanımda neyi kanıtlar?
Tek bir performans oranını her uygulamaya ve kullanıcıya genellemek yanıltıcıdır. 2020 sistematik derlemesi, cilt kanseri riskini değerlendiren altı akıllı telefon uygulamasını ele alan dokuz çalışma buldu; çalışmalar küçük ve yöntemsel açıdan zayıftı. Başka bir sistematik derlemede altı uygulamaya ilişkin mevcut kanıtlar, tüm melanom veya diğer deri kanseri vakalarının yakalanacağına güvenilemeyeceğini gösterdi.
Bir uygulamanın değerlendirildiği görüntüler ve kullanıcı grupları, araştırma sonucunun kapsamını belirler. Klinik görüntülerde alınan sonuç, kişinin kendi telefonu ve çekim koşullarında elde edeceği performansı doğrudan kanıtlamaz.
Veri paylaşımı ve düzenleme kapsamını kontrol et
Bir uygulama lezyon fotoğrafından risk değerlendirmesi sunarken diğeri yalnızca genel sağlık takibi yapabilir. ABD FDA’sı, lezyon görüntüsünü algoritmayla analiz edip risk değerlendirmesi veren yazılımı düzenlemeye tabi olabilecek tıbbi yazılım işlevleri arasında sayıyor; hastalık tanısı veya tedavisiyle ilgili olmayan düşük riskli genel sağlık yazılımları ise cihaz tanımının dışında kalabilir. Bu ayrım, işlevin ne vaat ettiğine bağlıdır; Türkiye için hukuki sonuç çıkarmaz. Konuyla ilgili ayrıntılar için Supabase veri sızıntısı sayfasına da bakabilirsiniz.
Uygulama sağlıkla ilgili kullanıcı bilgisi topluyor ya da paylaşıyorsa, hangi verilerin alındığı ve kimlerle paylaşıldığı seçimde kontrol edilmesi gereken başlıklardır. ABD’de FTC’nin Sağlık Verisi İhlali Bildirim Kuralı, HIPAA kapsamı dışında kalan bazı sağlık uygulaması ve bağlantılı teknoloji sağlayıcılarını da kapsayabilir. FTC’nin 2024 değişiklikleri bu uygulamalara kuralın uygulanabileceğini açıklığa kavuşturdu ve değişiklikler 29 Temmuz 2024’te yürürlüğe girdi; bu ABD düzenleme çerçevesidir. Konuyla ilgili ayrıntılar için veri paylaşımı sayfasına da bakabilirsiniz. Uygulama güvenliğiyle ilgili diğer yazılar blog bölümünde yer alıyor.
Sonuç tek başına karar vermeye yetmiyorsa hangi ölçüt seçilir?
Uzaktan dermatolog incelemesi eklendiğinde özgüllük yüzde 76,8’den yüzde 86,8’e çıktı; duyarlılık ise yüzde 82,5’ten yüzde 75,3’e indi. Ek inceleme iki ölçütü aynı yönde değiştirmedi. Olası vakaların daha fazlasını yakalamak öncelikse duyarlılık, yanlış pozitifleri azaltmak öncelikse özgüllük ölçütüne bakılır. Sağlık riski taşıyan bir lezyonda uygulama çıktısı klinik değerlendirmeye ek bilgi sunar; lezyonla ilgili kaygı varsa sağlık uzmanına başvurulmalıdır.