Sztuczna inteligencja może analizować dostarczone zdjęcie i natychmiast pomóc znaleźć informacje o problemie skórnym. Algorytm dostarcza istotnych informacji medycznych na temat chorób skóry (np. brodawki, półpasiec), raka skóry (np. czerniak) i innych wysypek skórnych (np. pokrzywka). W Stiftung Warentest 2022, niemieckiej organizacji konsumenckiej, ta aplikacja otrzymała oceny satysfakcji tylko nieznacznie niższe niż płatne usługi dermatologii telemedycznej.
- Zrób zdjęcia skóry i prześlij je do analizy. Przycięte obrazy zostaną przesłane, ale nie będziemy przechowywać Twoich danych.
- Algorytm udostępnia linki do stron internetowych, które opisują istotne objawy chorób skóry i raka skóry (np. czerniaka).
- Dzięki możliwości klasyfikowania obrazów 186 chorób skóry algorytm obejmuje powszechne rodzaje chorób skóry, takie jak atopowe zapalenie skóry, pokrzywka, egzema, łuszczyca, trądzik, trądzik różowaty, brodawki, grzybica paznokci, półpasiec, czerniak i znamiona.
- Korzystanie z algorytmu jest BEZPŁATNE.
Należy jednak pamiętać o następującym wyłączeniu odpowiedzialności:
- Ta aplikacja jest narzędziem do wyszukiwania obrazów, NIE APLIKACJĄ DIAGNOSTYCZNĄ. Nazwy chorób podane w powiązanej treści nie są ostatecznymi diagnozami raka skóry lub chorób skóry.
- Ta aplikacja nie jest urządzeniem medycznym i nie została zatwierdzona przez FDA.
- Mimo że treść jest informacyjna, przed podjęciem jakichkolwiek decyzji medycznych SKONSULTUJ SIĘ Z LEKARZEM.
Wykorzystujemy algorytm „Model Dermatology”. Wydajność klasyfikatora została opublikowana w kilku prestiżowych czasopismach medycznych. Przeprowadzono liczne badania współpracy z różnymi szpitalami na całym świecie, w tym Seoul National University, Ulsan University, Yonsei University, Hallym University, Inje University, Stanford, MSKCC i Ospedale San Bortolo.
- 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: jednoośrodkowe prospektywne badanie diagnostyczne. J Eur Acad Dermatol Venereol. 2020
- Wykrywanie keratynocytarnego raka skóry na twarzy przy użyciu sieci neuronowej splotowej opartej na regionach. JAMA Dermatol. 2019
- Wydaje się, że jest niski, ale czy naprawdę jest niski?: Potrzeba badań kohortowych i porównawczych w celu wyjaśnienia wydajności głębokich sieci neuronowych. J Invest Dermatol. 2020
- Wieloklasowa sztuczna inteligencja w dermatologii: postęp, ale nadal jest pole do poprawy. J Invest Dermatol. 2020
- Rozszerzona inteligencja w dermatologii: głębokie sieci neuronowe umożliwiają specjalistom medycznym diagnozowanie raka skóry i przewidywanie opcji leczenia 134 chorób skóry. J Invest Dermatol. 2020
- Interpretacja wyników modelu głębokiego uczenia się wytrenowanego przy użyciu zestawu danych o raku skóry. J Invest Dermatol. 2018
- Zautomatyzowana diagnostyka dermatologiczna: szum czy rzeczywistość? J Invest Dermatol. 2018
- Klasyfikacja obrazów klinicznych łagodnych i złośliwych guzów skóry przy użyciu algorytmu głębokiego uczenia się. J Invest 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 wspomaganej sztuczną inteligencją diagnostyki nowotworów skóry – jednoośrodkowe, równoległe, niezamaskowane, randomizowane badanie kontrolowane. J Invest Dermatol. 2022
symphony G20
