Model Dermatol– penyakit kulit

Kecerdasan buatan boleh menganalisis foto yang diberikan dan segera membantu mencari maklumat tentang masalah kulit anda. Algoritma menyediakan maklumat perubatan yang relevan mengenai penyakit kulit (contohnya, ketuat, kayap), kanser kulit (contohnya, melanoma), dan ruam kulit lain (contohnya, gatal-gatal). Dalam Stiftung Warentest 2022, sebuah organisasi pengguna Jerman, aplikasi ini menerima penilaian kepuasan hanya sedikit lebih rendah daripada perkhidmatan dermatologi teleperubatan berbayar.

- Tangkap gambar kulit dan serahkan. Imej yang dipangkas akan dipindahkan, tetapi kami tidak menyimpan data anda.

- Kecerdasan buatan menyediakan pautan ke tapak web yang menerangkan tanda dan gejala penyakit kulit dan kanser kulit yang berkaitan (mis., melanoma).

- Algoritma boleh mengklasifikasikan imej 186 penyakit kulit, termasuk jenis gangguan kulit yang biasa (cth., dermatitis atopik, gatal-gatal, ekzema, psoriasis, jerawat, rosacea, onikomikosis, melanoma, nevus).

- Penggunaan algoritma adalah percuma dan sejumlah 104 bahasa disokong.

* Penerbitan

Kami menggunakan algoritma "Dermatologi Model". Prestasi pengelas telah diterbitkan dalam beberapa jurnal perubatan berprestij.

- Assessment of Deep Neural Networks for the Diagnosis of Benign and Malignant Skin Neoplasms in Comparison with Dermatologists: A Retrospective Validation Study. PLOS Medicine, 2020

- Performance of a deep neural network in teledermatology: a single center prospective diagnostic study. J Eur Acad Dermatol Venereol. 2020

- Keratinocytic Skin Cancer Detection on the Face using Region-based Convolutional Neural Network. JAMA Dermatol. 2019

- Seems to be low, but is it really poor? : Need for Cohort and Comparative studies to Clarify Performance of Deep Neural Networks. J Invest Dermatol. 2020

- Multiclass Artificial Intelligence in Dermatology: Progress but Still Room for Improvement. J Invest Dermatol. 2020

- Augment Intelligence Dermatology : Deep Neural Networks Empower Medical Professionals in Diagnosing Skin Cancer and Predicting Treatment Options for 134 Skin Disorders. J Invest Dermatol. 2020

- Interpretation of the Outputs of Deep Learning Model trained with Skin Cancer Dataset. J Invest Dermatol. 2018

- Automated Dermatological Diagnosis: Hype or Reality? J Invest Dermatol. 2018

- Classification of the Clinical Images for Benign and Malignant Cutaneous Tumors Using a Deep Learning Algorithm. J Invest Dermatol. 2018

- Augmenting the Accuracy of Trainee Doctors in Diagnosing Skin Lesions Suspected of Skin Neoplasms in a Real-World Setting: A Prospective Controlled Before and After Study. PLOS One, 2022

- Evaluation of Artificial Intelligence-assisted Diagnosis of Skin Neoplasms – a single-center, paralleled, unmasked, randomized controlled trial. J Invest Dermatol. 2022

* Penafian

- Sila dapatkan nasihat doktor selain menggunakan aplikasi ini dan sebelum membuat sebarang keputusan perubatan.

- Diagnosis kanser kulit atau gangguan kulit hanya berdasarkan imej klinikal mungkin terlepas sehingga 10% daripada kes. Oleh itu, aplikasi ini tidak boleh menggantikan penjagaan standard (pemeriksaan peribadi).

- Ramalan algoritma bukanlah diagnosis akhir kanser kulit atau gangguan kulit. Ia hanya berfungsi untuk menyediakan maklumat perubatan yang diperibadikan sebagai rujukan