- Nội dung giới thiệu về ứng dụng học về ung thư da do bác sĩ da liễu phát triển trực tiếp
- Hỗ trợ để người dùng có thể có trải nghiệm tối ưu trên thiết bị di động
- Khuyến nghị truy cập website (molecheck.info) bằng cách quét mã QR
- Vẫn có thể dùng trên máy tính để bàn, nhưng dùng smartphone sẽ phù hợp hơn
- Có thể tiếp thu kiến thức về ung thư da thông qua các câu đố về bệnh da và tổn thương da
Hướng dẫn tối ưu hóa cho molecheck.info và môi trường di động
- molecheck.info là web app học về ung thư da được tạo ra với sự tham gia trực tiếp của bác sĩ da liễu
- Người dùng có thể quét mã QR bằng camera điện thoại để nhận hướng dẫn khuyến nghị sử dụng web app trên thiết bị di động
- Nhấn mạnh việc mang lại trải nghiệm sử dụng tốt nhất trong môi trường di động
- Nếu muốn, người dùng vẫn có thể tiếp tục sử dụng ứng dụng trong môi trường máy tính để bàn
- Thông qua ứng dụng này, người dùng có thể làm câu đố về tổn thương da để nâng cao mức độ hiểu biết về ung thư da
1 bình luận
Ý kiến trên Hacker News
Tôi rất thích yếu tố DIY của việc code bằng AI; nếu một bác sĩ da liễu nào đó nảy ra ý tưởng này cách đây không lâu, để thực sự triển khai thì hẳn sẽ phải tìm đối tác chuyên môn và làm rất nhiều việc, nên phần lớn chắc chỉ dừng ở mức ý tưởng. Đây không chỉ là chuyện của người không chuyên; bản thân tôi cũng có một danh sách ý tưởng dự án tích lũy suốt hàng chục năm mà chưa thể hiện thực hóa vì không có thời gian. Giờ thì tôi đang thử xem mình có thể làm được gì bằng cách tận dụng các AI agent
Thực ra điều duy nhất tôi thấy tiếc là cái tên “vibe code”; việc giúp mọi người lập trình máy tính theo những cách hữu ích là điều thực sự tuyệt vời
Tôi cũng vậy. Nhiều năm qua có những ý tưởng cứ lởn vởn trong đầu, nhưng tôi thậm chí còn không thử vì tin chắc rằng “đằng nào cũng chẳng đi đến đâu”. Tôi đã làm dev chuyên nghiệp gần 20 năm nên hoàn toàn có khả năng thực hiện, chỉ là thấy như phí thời gian. Giờ thì tôi đang lao vào làm nhờ sức mạnh của AI. Kết quả vẫn còn thô, nhưng tôi nghĩ vẫn tốt hơn là không có gì, vì biết đâu lại có thứ bùng nổ
Tôi cũng có lẽ đã có thể tự làm một mình, nhưng chắc phải mất vài tuần, và thực tế thì có lẽ đã không bao giờ hoàn thành
Tôi không phải chuyên gia, nhưng vì chị gái tôi từng bị melanoma nên rất quan tâm đến ung thư da. Nhờ vậy tôi nhanh chóng nâng tỷ lệ đúng từ 50% lên 85%. Vì đa số là các ca ung thư da nên khá dễ học, nên lời khuyên của tôi là sẽ tốt hơn nếu tỷ lệ ung thư da thực sự là 50%. Dĩ nhiên cũng có thể mục tiêu học tập là muốn người dùng tập trung vào các ca ác tính. Thực sự đây là bài toán khó hơn tôi nghĩ nhiều. Nó khiến tôi muốn gặp bác sĩ da liễu ngoài đời thật
Nếu code thứ này để phục vụ “đào tạo” thực sự cho bác sĩ da liễu, tôi sẽ làm tỷ lệ gần hơn với thực tế ngoài đời. Với tư cách bác sĩ da liễu, trong số các tổn thương da mà bệnh nhân thực sự lo lắng thì có lẽ chỉ khoảng 1 trên 100 là ung thư. Bộ dữ liệu hiện tại có quá nhiều ảnh ung thư, đến mức cứ chọn 'đều là ung thư' vẫn được điểm cao. Nhưng nếu ngoài đời lại đẩy quá nhiều người không bị ung thư sang nhãn khoa, thì cuối cùng đây sẽ là công cụ khó dùng
Điểm rất hay. Trên thực tế có lẽ tỷ lệ ung thư so với tổn thương lành tính nên gần 50:50 thì tốt hơn. Tôi dự định phản ánh phần đó trong các phiên bản sau. Tất nhiên phần lớn tổn thương da ngoài đời là vô hại, nhưng tôi vẫn nghĩ chỉ cần huấn luyện tập trung trong thời gian ngắn cũng có thể giúp người bình thường nhận ra các tổn thương đáng ngờ
Nghĩ thêm thì tôi lại thấy giai đoạn đầu nên cho xem 100% hoặc tỷ lệ cao các ca ác tính để người học nắm được mình cần nhận diện điều gì. Sau đó có thể tăng dần độ khó. Khi tiến gần tỷ lệ 50% thì điểm số sẽ hội tụ về xác suất đơn thuần nên sẽ thấy khó hơn
Mười hai ảnh đầu gần như đều là ung thư, còn mười hai ảnh tiếp theo thì phần lớn không phải ung thư, (tôi không biết có thực sự là ngẫu nhiên không), (mà tôi cũng thật sự không phân biệt được tổn thương da nào là ung thư)
Tôi là kiểu người thực sự có đủ loại đốm da, nốt ruồi và những thứ không rõ là gì, nên dự án này khiến tôi thấy khá đáng sợ
Việc khám da toàn thân mỗi năm một lần ở bác sĩ da liễu là khá phổ biến. Vì loại da của mình nên tôi đã khám hằng năm suốt nhiều năm, và lần kiểm tra gần nhất đã phát hiện sớm ung thư biểu mô tế bào đáy
Tôi chỉ có một chỗ duy nhất đáng nghi, nhưng vẫn dành khoảng 20 phút để Google “u xơ da và ung thư biểu mô tế bào đáy”. Trường hợp của tôi trông có vẻ là u xơ da, nhưng dự án kiểu này khiến tôi một lần nữa nhận ra là cuối cùng vẫn nên đi kiểm tra
Công việc rất tuyệt. Giờ bạn nhất định phải học phần thống kê, và rồi sẽ nhanh chóng nhận ra đây mới là phần dễ. Cửa ải khó hơn nhiều là làm sao thực sự sử dụng các kết quả phân loại đó theo cách mang lại lợi ích ròng cho sức khỏe bệnh nhân. Một startup từng làm hệ thống phân loại kiểu này; họ giải quyết ổn phần công nghệ, nhưng đã rất chật vật với câu hỏi dùng nó như thế nào trong thực tế để tránh kết quả tiêu cực. Dù tỷ lệ lỗi có thấp đến đâu, đó vẫn sẽ là thách thức lớn. Cả false positive lẫn false negative đều gây tổn thất về chi phí lẫn cảm xúc
Đây là công cụ thực sự hữu ích, nhưng tôi muốn có thêm giải thích về căn cứ đưa ra quyết định hoặc hướng dẫn cách tìm ra đáp án trong ảnh. Tôi thấy rất khó phân biệt melanoma với dày sừng tiết bã/nốt ruồi, và đến giờ vẫn chưa nắm được. Tôi đã xem cẩn thận khoảng 120 ảnh mà vẫn chưa có cảm giác rõ ràng. Ngoài ra, trang hướng dẫn trong menu hiện không tồn tại: https://molecheck.info/how-to-recognise-skin-cancer
Đây là phản hồi rất hữu ích. Tôi sẽ bổ sung hướng dẫn để hỗ trợ nhận diện tốt hơn, đồng thời thêm phần giải thích chi tiết vào menu. Thật ra tôi chỉ nghĩ ngoài mình ra thì sẽ chỉ có một vài bệnh nhân của tôi dùng thôi, hoàn toàn không ngờ nó lại lên trang nhất HN
Tôi cũng thấy tương tự, tôi muốn có một chế độ mà toàn bộ tập gồm 50% melanoma và 50% “tổn thương lành tính màu nâu”
Tôi tự hỏi liệu đây có thật sự là "melanoma xâm lấn" không: liên kết
Theo metadata của bộ dữ liệu thì đúng là được gắn nhãn như vậy. Tất nhiên cũng có thể bị phân loại sai. Trong một số trường hợp rất hiếm, một nốt ruồi nhìn hoàn toàn bình thường bên ngoài vẫn có thể là ác tính, ví dụ các ca naevoid melanoma: tìm hình naevoid melanoma trên Google. Đó là lý do chẩn đoán da liễu rất khó, và việc phân loại ảnh bằng AI không hề đơn giản về mặt pháp lý lẫn quản trị rủi ro. Trong các cuộc họp đa chuyên khoa về melanoma trước đây, mỗi năm có 1–2 ca mà khi xem ảnh cũ thì hoàn toàn không đáng nghi chút nào. Điều tôi luôn nhấn mạnh với bệnh nhân là: ngay cả khi một nốt ruồi bề ngoài không có thay đổi gì, nếu bạn thấy nó thay đổi trong vài tháng thì lúc nào cũng nên đi kiểm tra
Ừ, cái này gần như chắc chắn trông giống một ca gắn nhãn sai
Tôi cũng là bác sĩ, và muốn nghe kỹ hơn về ý định của dự án cũng như quá trình phát triển. Phân loại nhị phân kiểu ‘đáng lo/không đáng lo’ có vẻ chủ yếu quan trọng với bác sĩ lâm sàng đang tư vấn, trong khi phân loại nhiều lựa chọn kiểu ‘BCC vs melanoma’ có lẽ phù hợp hơn cho đào tạo sinh viên y khoa. Cũng như các ý kiến khác, tôi thấy việc điều chỉnh theo thực tế bệnh nhân hoặc bối cảnh chăm sóc ban đầu sẽ khá thú vị. Dĩ nhiên nếu chỉ toàn nốt ruồi lành tính thì cũng có thể nhanh chán
Ý tưởng rất hay, là một ví dụ tốt về việc hiện thực hóa ý tưởng bằng AI. Tôi nghĩ công cụ giáo dục do chuyên gia tạo ra chính là một trong những ví dụ đáng hy vọng nhất của thời đại AI. Tuy vậy, tôi cũng thấy hơi chua chát vì AI thường bị dùng theo hướng tiêu cực, chuyển giá trị từ các nhà sáng tạo trên Internet sang phía nhà đầu tư công nghệ, và những dự án kiểu này đôi khi lại bị dùng trong các cuộc tranh luận kiểu “sao lại phản đối việc chữa ung thư” để phản bác các chỉ trích đó
Thực ra đã có rất nhiều startup khởi nghiệp với chủ đề này rồi, và dù họ làm được về mặt công nghệ, việc vượt qua các bài toán y khoa và đạo đức mới là thách thức gian nan hơn nhiều
Cảm ơn phản hồi. Tôi rất vui vì nhiều người thấy app hữu ích. Đúng là nhờ AI coding nên việc này mới khả thi, và tôi nghĩ sau này có thể áp dụng cho nhiều lĩnh vực phi chuyên môn khác nữa
Đây là một dự án rất hay và thực sự bổ ích cho việc học, nhưng tôi có một lo ngại: tỷ lệ tổn thương “đáng lo” so với “không đáng lo” trong app có vẻ không khớp với quần thể thực tế. Xác suất một nốt ruồi được chọn ngẫu nhiên là ung thư ngoài đời không cao như app ngầm gợi ý. Dĩ nhiên điều đó có thể cần thiết cho hiệu quả học tập, nhưng với người bình thường nó có thể tạo ra thiên lệch lo lắng quá mức. Có lẽ nên kèm theo cả phần giáo dục về base rate (tỷ lệ nền)
Đây là cách dùng AI coding hoàn hảo: một chuyên gia trong lĩnh vực tạo ra app có độ khó triển khai thấp. @sungam, nếu anh có nghiên cứu mô hình AI cho ung thư da thì cứ liên hệ với tôi bất cứ lúc nào nhé (email ở profile). Tôi đang làm công cụ giúp các nhà nghiên cứu lâm sàng dễ dàng đưa AI vào nghiên cứu hơn