Sztuczna inteligencja może przeanalizować dostarczone zdjęcie i błyskawicznie pomóc w znalezieniu informacji medycznych na temat Twojego problemu skórnego. Algorytm dostarcza istotnych informacji medycznych na temat chorób skóry (np. brodawek, półpaśca), raka skóry (np. czerniaka) i innych wysypek skórnych (np. pokrzywka).
- Prosimy o wykonanie zdjęć skóry i przesłanie ich do analizy. Przycięte obrazy zostaną przesłane, ale nie będziemy przechowywać Twoich danych.
- Algorytm udostępnia linki do stron internetowych opisujących istotne oznaki i objawy chorób skóry oraz raka skóry (np. czerniaka).
- Dzięki możliwości klasyfikacji obrazów 186 chorób skóry algorytm obejmuje typowe typy chorób skóry, takie jak atopowe zapalenie skóry, pokrzywka, egzema, łuszczyca, trądzik, trądzik różowaty, brodawki, grzybica paznokci, półpasiec, czerniak i znamię.
- Korzystanie z algorytmu jest BEZPŁATNE i obsługuje łącznie 104 języki.
Należy jednak pamiętać o następującym zastrzeżeniu:
- Przewidywanie algorytmu nie stanowi ostatecznej diagnozy raka skóry ani chorób skóry, chociaż ma na celu dostarczenie spersonalizowanych informacji medycznych.
- Chociaż ta aplikacja jest przydatna, przed podjęciem jakichkolwiek decyzji medycznych skonsultuj się z lekarzem.
Wykorzystujemy algorytm „Model Dermatologii”. Działanie klasyfikatora zostało opublikowane w kilku prestiżowych czasopismach medycznych.
- Ocena głębokich sieci neuronowych w diagnostyce łagodnych i złośliwych nowotworów skóry w porównaniu z dermatologami: retrospektywne badanie walidacyjne. PLOS Medicine, 2020
- Wydajność głębokiej sieci neuronowej w teledermatologii: prospektywne badanie diagnostyczne w jednym ośrodku. J Eur Acad Dermatol Venereol. 2020
- Wykrywanie keratynocytowego raka skóry na twarzy za pomocą regionalnej konwolucyjnej sieci neuronowej. JAMA Dermatol. 2019
- Wydaje się słabo, ale czy naprawdę słabo? : Potrzeba badań kohortowych i porównawczych w celu wyjaśnienia wydajności głębokich sieci neuronowych. J Zainwestuj Dermatol. 2020
– Wieloklasowa sztuczna inteligencja w dermatologii: postęp, ale wciąż jest nad czym pracować. J Zainwestuj Dermatol. 2020
— Dermatologia rozszerzona o inteligencję: głębokie sieci neuronowe zwiększają możliwości lekarzy w zakresie diagnozowania raka skóry i przewidywania opcji leczenia 134 chorób skóry. J Zainwestuj Dermatol. 2020
— Interpretacja wyników modelu głębokiego uczenia się przeszkolonego przy użyciu zestawu danych dotyczących raka skóry. J Zainwestuj Dermatol. 2018
- Zautomatyzowana diagnostyka dermatologiczna: szum czy rzeczywistość? J Zainwestuj Dermatol. 2018
- Klasyfikacja obrazów klinicznych łagodnych i złośliwych guzów skóry przy użyciu algorytmu głębokiego uczenia się. J Zainwestuj Dermatol. 2018
- Zwiększanie dokładności lekarzy stażystów w diagnozowaniu zmian skórnych podejrzanych o nowotwory skóry w warunkach rzeczywistych: prospektywne, kontrolowane badanie przed i po. PLOS One, 2022
– Ocena diagnostyki nowotworów skóry wspomaganej sztuczną inteligencją – jednoośrodkowe, równoległe, bez maskowania, randomizowane badanie kontrolowane. J Zainwestuj Dermatol. 2022
symphony G20
