51087 UtahDERM: Implementing a Digital Dermatology Education Platform
Notice bibliographique
Résumé
Introduction: Patients often present to clinicians who may not know how to accurately identify and diagnose dermatologic conditions.To address this educational gap, the University of Utah Department of Dermatology and Spencer S. Eccles Health Sciences Library digitized 15,000 photographs of both pediatric and adult dermatologic cases donated by Dr. Leonard Swinyer.This report summarizes the development and challenges of the UtahDERM (Dermatology Education Resources & Modules) project, an open-access and searchable database for displaying a vast repository of clinical images.Methods: Approximately 15,000 slides with no patient identifiers were digitized to be placed online in an image viewer.Dermatologists collaborated in applying clinical characteristics (e.g., body location, distribution, secondary change, Fitzpatrick type) to the images using Google Forms, and reviewed the assigned diagnoses for accuracy.The UtahDERM Editor-in-Chief performs a final review and approves of the diagnoses and characteristics.Website usage data was collected via Google Analytics.Results: UtahDERM's Image Viewer is currently in an alpha release stage, allowing for browsing by diagnosis, filtering by characteristics, and textbook chapters.The website received 13,000 views with 6,800 new users from primarily U.S (5,400), Canada (308), and UK (254) from 2022-2023.Challenges included utilizing Google Forms for large scale data collection, mitigating reviewer discrepancies in clinical characteristics, and identifying willing reviewers.Conclusion/Discussion: UtahDERM's Image Viewer is a promising step in enhancing dermatological education but faces challenges in data collection, slide categorization, and reviewer recruitment.Ongoing refinement is necessary to unlock its full potential, and to provide an organizational framework for future open-source largescale image repositories.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,111 | 0,047 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».