SkinScreen

L'application SkinScreen étend les capacités humaines dans la détection et la classification des lésions cutanées / cancers de la peau dans le cadre des objectifs de soins de santé basés sur la valeur. SkinScreen offre la capacité de détecter les lésions cutanées malignes et bénignes en temps réel grâce à une solution très précise et précise. La solution exploite la puissance de l'apprentissage en profondeur, une méthode sous intelligence artificielle (IA), pour permettre des prédictions plus rapides et plus précises qu'auparavant. Grâce à un terme que nous avons déposé, appelé Modèle Indescriptible, il s'agit d'un modèle d'IA qui est initialement doté d'hyperparamètres, mais le modèle s'entraîne continuellement à trouver le meilleur ajustement par rapport à l'ensemble de données sans aucune intervention humaine future. Actuellement, la détection est effectuée manuellement par un dermatologue ou un technicien grâce à une approche heuristique appelée ABCDE (Asymmetry, Border Irregularity, Color, Diameter, Evolution).

SkinScreen offre un certain nombre de différences par rapport aux autres solutions du marché:

1. Assurer la confidentialité de l'utilisateur - En tirant parti de la dernière architecture MobileNetV2, le modèle AI est capable de fonctionner sur l'appareil d'un utilisateur et aucune image n'a besoin d'être téléchargée sur les serveurs de SkinScreen contrairement à d'autres solutions.

2. Détecter si une lésion cutanée est présente - De nombreuses solutions de détection cutanée AI ne détectent pas si une lésion cutanée est présente dans l'image au départ. Ils reposent sur une intervention manuelle de l'utilisateur humain pour fournir une image de la lésion cutanée. Par exemple, si un utilisateur fournit une image d'une girafe, ses solutions classeront l'image malgré tout. Le modèle IA sophistiqué de SkinScreen est capable de détecter si une lésion cutanée est présente avant la classification.

3. Détecter plus de classes de lésions cutanées - En détectant 9 classes bénignes et malignes courantes de lésions cutanées (kératoses actiniques, angiomes, carcinome basocellulaire, dermatofibrome, naevus mélanocytaire, mélanome, kératoses séborrhéiques, carcinome épidermoïde, lésions vasculaires), nous pouvons fournir une meilleure rétroaction pour chaque personne qui s'interface avec SkinScreen. Et nous continuons à augmenter le nombre de classes de lésions cutanées que nous soutenons.

4. Fournir des taux d'exactitude et de précision plus élevés - Nous exploitons une approche à deux volets pour obtenir des taux d'exactitude et de précision supérieurs. Nous utilisons d'abord un classificateur à une classe pour identifier si une lésion cutanée est présente dans l'image. Si tel est le cas, nous sommes en mesure de fournir les 3 classes de lésions cutanées les plus probables et leurs probabilités associées. Une partie de cela est accomplie grâce aux 180000 images que nous utilisons pour entraîner notre modèle d'IA.

5. Fournir des commentaires en temps réel - SkinScreen est en mesure de fournir des résultats à l'utilisateur en moins de deux secondes en moyenne. En tirant parti de l'architecture MobileNetV2 qui a une latence plus faible et une plus grande précision et quelques améliorations propriétaires, nous sommes en mesure d'informer l'utilisateur des résultats en temps opportun.

6. Fournir des outils conviviaux - Les différentes plates-formes de SkinScreen peuvent aider les utilisateurs dans leurs interactions avec l'outil. Nous essayons d'y parvenir grâce à des outils d'assistance indispensables à la détection des lésions cutanées quels que soient les antécédents et les compétences de l'utilisateur.