피부과 전문의가 직접 만든 피부암 학습 앱 소개

Hacker News 의견

• AI 코딩의 DIY적인 요소가 정말 마음에 듦, 얼마 전 어떤 피부과 전문의가 이런 아이디어를 냈다면, 실제로 구현하려면 전문 파트너를 구하고 많은 작업을 해야 했을 것임, 그래서 대부분은 그냥 아이디어에 그쳤을 것임, 이건 비전문가만의 일이 아님, 나 역시 수십 년간 쌓인 프로젝트 아이디어 리스트가 있는데, 시간적 여유가 없어 실현하지 못하고 있었음, 이제는 AI 에이전트들을 활용해서 내가 할 수 있는 게 뭔지 실험해보는 중임

  • 실은 이름이 “vibe code”인 게 유일하게 아쉬운 점임, 모두가 유용한 방식으로 컴퓨터를 프로그래밍하도록 하는 건 정말 좋은 일임

  • 나도 비슷함, 수년간 머릿속에서 맴도는 아이디어들이 있었지만, ‘어차피 안 될 걸’이라는 확신 때문에 시도조차 안 했었음, 프로 개발자로 20년 가까이 일했으니 충분히 실행할 능력이 있긴 한데, 시간 낭비 같았기 때문임, 이제는 AI의 힘을 빌어 마구 진행 중임, 결과물이 엉성하긴 하지만 없는 것보단 낫다고 생각함, 뭐가 터질지 모르는 거니까

  • 나 역시 혼자서 충분히 해볼 수 있었겠지만 몇 주는 걸렸을 것이고, 현실적으로 끝내지 못했을 거라고 생각함

• 비전문가지만 멜라노마에 걸린 누나가 있어서 피부암에 관심이 많았음, 덕분에 50%에서 85% 정답률까지 금방 올랐음, 대부분 피부암 케이스라서 배우기 쉬웠음, 그래서 내 조언은 실제 피부암이 50% 비율로 구성되면 더 나을 것 같음, 물론 학습의 목적이 악성 케이스에 집중시키고 싶어서 그럴 수도 있을 것 같음, 실제로는 생각보다 훨씬 까다로운 문제였음, 실제로 피부과 전문의를 만나보고 싶어짐

  • 만약 피부과 전문의의 실제 “트레이닝”을 위해 코딩한다면, 실제 현실에서의 비율에 더 가깝게 만들겠음, 피부과 의사로서 실제로 사람들이 걱정하는 피부 병변 중 실제로 암인 경우는 100개 중 1개 정도일 것임, 현재 데이터셋은 암 사진이 너무 많아서 '전부 암'이라고 찍어도 점수가 잘 나오는 상황임, 그런데 실제로 암도 아닌 사람들을 지나치게 안과로 보내게 되면, 결국 써먹기 어려운 툴이 되어버림

  • 좋은 포인트임, 실제로는 암 대 양성 병변이 50:50 정도여야 더 나을 듯함, 앞으로 버전에서는 그 부분을 반영할 예정임, 물론 실제 피부 병변의 대부분은 무해하고, 그래도 짧은 시간 집중 트레이닝만으로도 일반인들이 수상한 병변을 판별하는 데 도움을 줄 수 있다고 생각함

  • 생각을 좀 더 해봤는데, 오히려 초반엔 100% 혹은 높은 비율로 악성 케이스를 보여주면서 실제로 무엇을 알아야 하는지 익히게 해야 한다고 생각함, 이후엔 난이도를 점점 올리면 됨, 50% 비율에 가까울수록 점수가 단순 확률에 수렴하니까 더 어렵게 느껴질 것임

  • 처음 열두 개는 거의 다 암이었고, 다음 열두 개는 대부분 비암성이었음, (무작위가 맞는지는 모르겠음), (나도 피부 병변의 암 여부를 정말 구별 못함)

• 나는 정말 모든 종류의 피부 잡티, 점, 알 수 없는 것들을 가지고 있는 사람이라서 이런 프로젝트가 굉장히 무섭게 느껴짐

  • 매년 피부과에서 전신 피부 검진을 받는 것이 일반적임, 피부 타입 때문에 수년째 매년 받고 있는데, 최근 검사에서는 일찍 기저세포암을 발견함

  • 나는 의심되는 거라곤 하나뿐이지만, 그래도 20분 정도를 ‘피부섬유종과 기저세포암’을 구글링하는 데 썼음, 내 경우는 피부섬유종으로 보이지만, 이런 프로젝트 덕분에 결국 체크받는 것이 좋겠다는 점을 다시 깨달음

• 훌륭한 작업임, 이제 통계적인 부분을 꼭 공부해야 하고, 그렇게 하면 이 작업이 쉬운 부분이었다는 점을 빨리 깨닫게 될 것임, 분류된 결과를 실제로 어떻게 활용할지, 즉 환자 건강에 순이익을 줄 수 있게 만드는 것이 훨씬 더 어려운 관문임, 한 스타트업에서 이런 분류 시스템을 만들었는데 기술 자체는 잘 해결했지만 어떻게 실질적으로 써야 부정적 결과를 피할지에서 정말 고생했음, 오류율이 아무리 낮아도 결국 주요 도전과제가 될 것임, false positive나 false negative 모두 비용 면이나 감정적으로도 타격이 큼

  • 피드백 고마움, 이 앱의 목적은 진단이 아니라 환자 교육임, 그래도 관련 통계를 더 깊이 들여다볼 것임

• 정말 유용한 도구임, 결정 근거를 설명해 주거나 사진에서 어떻게 정답을 찾아내는지 도와주는 설명이 더 있었으면 좋겠음, 멜라노마와 지루각화증/모반 구별이 어렵고 아직도 잘 모르겠음, 약 120장 정도 신중히 봤지만 여전히 감이 안 옴, 그리고, 메뉴에 있는 가이드 페이지가 존재하지 않음: https://molecheck.info/how-to-recognise-skin-cancer

  • 정말 유익한 피드백임, 진단에 더 도움이 되도록 안내를 보완하고, 메뉴에도 자세한 설명을 추가할 예정임, 사실 나 말고 소수의 내 환자만 쓸 줄 알았고, HN 첫 페이지에 오를 거라고 전혀 예상 못했음

  • 나 역시 비슷하게 느꼈음, 전체 셋 중에서 50%가 멜라노마, 50%가 ‘갈색 양성 병변’인 모드를 원함

• 이게 정말 "침습성 멜라노마"인지 궁금함 링크

  • 데이터셋 메타데이터 기준으론 그렇다고 표시되어 있음, 물론 오분류되었을 수도 있음, 겉보기엔 멀쩡한 점도 실제론 악성인 경우가 아주 드물게 있음, 가령 naevoid melanoma 케이스들: naevoid melanoma 구글 이미지, 그래서 피부과 진단이 까다롭고, AI 이미지 분류가 법적, 위험 관리 면에서 쉽지 않음, 과거 멜라노마 다학제 미팅에서 1년에 1~2번, 과거 사진으로 볼 땐 전혀 의심되지 않았던 케이스가 있었음, 환자들에게 꼭 강조하는 건, 겉으론 아무런 변화가 없는 점이라도, 수개월 동안 변하는 모습이 보이면 항상 체크해야 한다는 점임

  • 응, 이건 오분류가 거의 확실해 보임

• 나 역시 의사인데, 프로젝트의 의도와 개발 과정에 대해 자세히 듣고 싶음, ‘걱정/비걱정’ 이진 구분은 주로 상담받는 임상의에게 중요할 듯하고, 반면 ‘BCC vs melanoma’ 다지선다식 구분은 의대생 교육에 더 쓰일 듯함, 다른 의견과 마찬가지로, 실제 환자나 일차 진료 현황과 맞추는 것도 흥미로울 것 같음, 물론 너무 많은 양성 모반만 나와서 자칫 지루해질 수도 있겠지만

  • 여러 환자들이 ‘스스로 피부암을 더 잘 판별하는 법’을 알려줄 수 있는 좋은 자료가 없냐고 자주 요청해서 앱을 만들게 됨, 내가 보기엔 실제 환자는 선택이 이분법적임: (i) 의사에게 바로 연락하거나, (ii) 좀 더 기다려보거나 그냥 넘기거나, 피부암은 실제로 아주 명확한 것이 많고 미스하는 이유는 환자들이 자가검진을 하지 않거나 뭘 봐야 할지 모르기 때문임, 실제 발생률과 맞추는 게 이론적으로 맞겠지만, 99% 양성‧1%만 암으로 구성하면 학습이 너무 느릴 것 같음

• 멋진 아이디어임, AI로 아이디어를 실현하는 좋은 예시임, 전문가가 만든 교육 도구야말로 AI 시대에 가장 희망적인 사례라 생각함, 다만 AI가 부정적으로 쓰여 인터넷 크리에이터의 가치를 테크 투자자 쪽으로 몰아주는 경향이 많고, 이런 프로젝트들은 그 비판에 맞서 "왜 암 치료를 반대하냐"는 식의 논쟁에 쓰이기도 해서 약간 씁쓸함

  • 오히려 이런 주제로 이미 많은 스타트업이 출범했고, 기술 자체는 해낼 수 있었지만, 의학적‧윤리적 난제를 넘기는 게 훨씬 고된 도전이었음

  • 피드백 고마움, 많은 사람이 앱을 유용하게 여겨서 기쁨, 확실히 AI 코딩 덕분에 가능했던 일이었고, 앞으로 다양한 비전문 분야에도 응용 가능하다고 생각함

• 멋진 프로젝트이고 학습용으로도 정말 유익함, 하지만 한 가지 우려점이 있음, 앱에서 "걱정" 대 "걱정 없음" 병변의 비율이 실제 인구집단과 맞지 않아 보임, 무작위로 잡은 점이 암일 확률은 실제로 앱이 암시하듯 높지 않음, 물론 학습 효율을 위해선 필요하겠지만, 일반인들에겐 과도한 걱정 편향이 생길 수 있음, 베이스 레이트(기본 발생률) 교육이 함께 돼야 할 듯함

  • 맞는 지적임, 내가 쓴 이미지 데이터셋 탓에 실제로 비율이 치우쳐 있음, 만약 실제 인구 비율대로 만든다면 전체 사진 중 암이 차지하는 비중이 1000분의 1도 안 돼서 아무도 피부암이 어떻게 생겼는지 학습을 못 할 것임, 다음 버전에선 50:50으로 맞추되, 실제와 다른 점도 안내할 예정임

• AI 코딩의 완벽한 쓰임새임, 도메인 전문가가 집중된, 구현 난도 낮은 앱을 만든 예임, @sungam, 혹시 피부암 AI 모델 연구를 한다면 언제든 연락해도 좋음(이메일 프로필에 있음), 나는 임상연구자들이 AI를 쉽게 연구에 도입할 수 있도록 돕는 툴을 만들고 있음

  • 고마움, 아직 해당 분야 연구는 안 하고 있고, 내 랩 연구는 주로 피부암에서 섬유아세포(fibroblasts)의 역할에 집중되어 있음