SkinScreen

L'applicazione SkinScreen estende le capacità umane nel rilevamento e nella classificazione di lesioni cutanee / cancro della pelle negli obiettivi sanitari basati sul valore del supporto. SkinScreen offre la capacità di rilevare lesioni cutanee maligne e benigne in tempo reale attraverso una soluzione estremamente accurata e precisa. La soluzione sfrutta la potenza del deep learning, un metodo basato sull'intelligenza artificiale (AI), per consentire previsioni più rapide e accurate rispetto a quanto precedentemente disponibile. Attraverso un termine che abbiamo registrato come marchio, chiamato Modello Indescrivibile, è un modello AI che è seminato inizialmente con iperparametri, tuttavia il modello si allena continuamente a trovare la migliore corrispondenza con il set di dati senza che sia richiesto alcun intervento umano futuro. Attualmente, la rilevazione viene eseguita manualmente da un dermatologo o da un tecnico attraverso un approccio euristico noto come ABCDE (Asymmetry, Border Irregularity, Color, Diameter, Evolution).

SkinScreen offre una serie di differenze rispetto ad altre soluzioni sul mercato:

1. Garantire la privacy dell'utente - Sfruttando l'ultima architettura MobileNetV2, il modello AI è in grado di funzionare sul dispositivo di un utente e non è necessario caricare nuovamente immagini sui server di SkinScreen a differenza di altre soluzioni.

2. Rileva se è presente una lesione cutanea - Molte soluzioni di rilevamento cutaneo AI non rilevano se una lesione cutanea è presente inizialmente nell'immagine. Si basano sull'intervento manuale dell'utente umano per fornire un'immagine della lesione cutanea. Ad esempio, se un utente fornisce un'immagine di una giraffa, le sue soluzioni classificheranno l'immagine indipendentemente. Il sofisticato modello AI di SkinScreen è in grado di rilevare se una lesione cutanea è presente prima della classificazione.

3. Rileva più classi di lesioni cutanee - Rilevando 9 classi benigne e maligne comuni di lesioni cutanee (cheratosi attiniche, angioma, carcinoma basocellulare, dermatofibroma, nevo melanocitico, melanoma, cheratosi seborroica, carcinoma a cellule squamose, lesioni vascolari) fornire un feedback migliore per ogni individuo che si interfaccia con SkinScreen. E stiamo continuando ad espandere il numero di classi di lesioni cutanee che supportiamo.

4. Fornire maggiore accuratezza e tassi di precisione - Stiamo sfruttando un duplice approccio per ottenere livelli di accuratezza e precisione più elevati. Per prima cosa usiamo un classificatore di una classe per identificare se una lesione cutanea è presente nell'immagine. In tal caso, siamo in grado di fornire le 3 classi di lesioni cutanee più probabili e le probabilità associate. Parte di questo si ottiene attraverso le 180.000 immagini che utilizziamo per addestrare il nostro modello AI.

5. Fornire feedback in tempo reale - SkinScreen è in grado di fornire i risultati all'utente in meno di due secondi in media. Sfruttando l'architettura MobileNetV2 che ha una latenza inferiore e una maggiore precisione e pochi miglioramenti proprietari, siamo in grado di informare l'utente dei risultati in modo tempestivo.

6. Fornire strumenti user-friendly - Le diverse piattaforme di SkinScreen sono in grado di assistere gli utenti nelle loro interazioni con lo strumento. Cerchiamo di ottenere questo risultato attraverso strumenti di supporto che sono indispensabili per rilevare lesioni cutanee indipendentemente dal background e dalle competenze dell'utente.