世界を動かす技術を、日本語で。
すごいね！皮膚科医じゃないけど、若い頃にメラノーマになった妹がいるから、いろいろ学べたよ。50%から85%にすぐに上がったのは、ほとんどが皮膚がんだから学びやすかったから。だから、アドバイスとしては、実際に50%くらいは皮膚がんに近づけた方がいいかも。ただ、悪いものに焦点を当てて、みんなにもっと学んでもらうのもいいかもね。思ったよりもこの検出は難しかったな。皮膚科医に行きたくなったよ。
ありがとう、いい指摘だね。癌と無害な病変の50:50のバランスが良いと思うし、次のバージョンで変更するつもりだよ。実際には、ほとんどの皮膚病変やほくろは無害で、問題なのはそうじゃないものを見分けることだと思う。こういう短期間の集中トレーニングでも、普通の人が気になる病変を見分けるのに役立つと思う。
私も医者なんだけど、これを作る理由やプロセスについてもっと聞きたいな。二項対立の「心配 vs 心配なし」というのは面白いね。これは実際の診断を得るよりも、紹介する医師にとってはもっと関連性があると思う。一方で、「BCC vs メラノーマ」のような選択肢を名前付けするのは、医学生にとっての学習ツールになるだろうね。他のコメントにも同意だけど、実際の人口やプライマリケアの発生率にカードを合わせるのも面白そう。ただ、無害な母斑が多すぎて、ちょっと退屈になるかもね！
コメントありがとう。アプリを開発する主な動機は、たくさんの患者さんが皮膚がんを認識する能力を向上させるためのリソースを案内してほしいと言っていたからなんだ。私の考えでは、良い学び方は決断を強いられて、その決断に対するフィードバックを受けることだと思う。患者にとっての決断は実際には二択だと思うんだ。つまり、(i) 今すぐこの皮膚病変について医者に連絡するか、(ii) しばらく様子を見るか、何もしないか。実際、ほとんどの皮膚がんは非専門家でも非常に明らかで、見逃される理由は患者が自分の肌をチェックしていないか、何を見ればいいのか分からないからだと思う。発生率については君の言う通りだね。良性と悪性のバランスがもっと良い方がいいと思うけど、99%が無害なほくろで1%ががんというのを見せるのは良くないと思う（これはプライマリーケアにおける皮膚病変の正確な表現かもしれないけど）患者が皮膚がんの見た目を学ぶのに時間がかかりすぎるから。
これ、すごくいいね。アイデアを実現するためのAIの使い方が素晴らしい。専門家が教育ツールを作るのは、AIから生まれた希望の一つだと思う。ただ、過去数十年インターネットで物を作ってきた人たちから、テック投資家に富を流すためにもっと頻繁に使われているのは残念だね。こういうプロジェクトが「なぜ癌との戦いに反対するのか」という反論を助長するのも困りものだ。
コメントありがとう！みんなが役立ててくれて嬉しいし、AIコーディングのおかげで実現できたことだよね。これは多くの異なる分野の非専門家にも適用できると思う。
逆に言えば、こういうアイデアや関連するものに関しては、たくさんのスタートアップがあるよ。ほとんどのところが技術的な課題はなんとかなるって感じで、医療や倫理的な課題はかなり厄介だって言ってるね。
AIコーディングのDIY的な側面が好きだな。少し前の皮膚科医は、このアイデアを実現するために、やる気のあるパートナーを見つけなきゃいけなかったから、ほとんどの場合、ただのアイデアのままになってたと思う。これは非テック系の人だけじゃなくて、私も何十年もアイデアがあっても、時間がなくて実行できてないんだ。だから今は、古いAIエージェントを動かして、何ができるか試してるところだよ。
同じく、何年も頭の中でアイデアがぐるぐる回ってるけど、実行に移せてないんだ。多分うまくいかないだろうって「確信」してるから、プロとしてコーディングして20年近く経つけど、何をすればいいかはわかってるのに、ただ時間がかかるだけ。今はAIを使ってそれらを一気に進めて、世に出してるよ。ちょっとクソみたいなものもあるけど、存在しないよりはマシだし、何が起こるかわからないからね。
そうだね、たぶん自分でやり方を見つけられたと思うけど、何週間もかかるだろうし、実際には終わらせる時間なんてなかったと思う。
画像分類のタスクは全くコーディングを必要としないよ。トレーニングデータを読み込んでモデルをトレーニングし、その後ユーザーからの入力画像に基づいて分類するプログラムが一つあれば大丈夫。犬や猫、皮膚がんなど、どんな画像でも基本的にこれでいけるよ。
なんで？コーディングできる医者はたくさん知ってるよ。病理医が元のプリンスをハッキングしてモッドを追加したり、分子病理医が自分のパイプラインやETLを整理したりしてる。コンピュータが好きな人は多いけど、別のことで生計を立ててる人も多いよ。