Kunstmatige intelligentie kan de verstrekte foto analyseren en direct helpen informatie te vinden over uw huidprobleem. Het algoritme biedt relevante medische informatie over huidziekten (bijv. wratten, gordelroos), huidkanker (bijv. melanoom) en andere huiduitslag (bijv. galbulten). In de Stiftung Warentest van 2022, een Duitse consumentenorganisatie, kreeg deze app tevredenheidsbeoordelingen die slechts iets lager waren dan betaalde telegeneeskunde dermatologiediensten.
- Maak alstublieft foto's van uw huid en dien deze in voor analyse. De bijgesneden afbeeldingen worden overgedragen, maar we slaan uw gegevens niet op.
- Het algoritme biedt links naar websites die de relevante tekenen en symptomen van huidziekten en huidkanker (bijv. melanoom) beschrijven.
- Met de mogelijkheid om afbeeldingen van 186 huidziekten te classificeren, dekt het algoritme veelvoorkomende soorten huidaandoeningen zoals atopische dermatitis, galbulten, eczeem, psoriasis, acne, rosacea, wratten, onychomycose, gordelroos, melanoom en naevi.
- Het gebruik van het algoritme is GRATIS.
Houd echter rekening met de volgende disclaimer:
- Deze app is een hulpmiddel voor het zoeken naar afbeeldingen, GEEN DIAGNOSE-APP. De namen van ziekten die in de gelinkte content worden genoemd, zijn geen definitieve diagnoses van huidkanker of huidaandoeningen.
- Deze app is geen medisch hulpmiddel en is niet goedgekeurd door de FDA.
- Hoewel de content informatief is, RAADPLEEG EEN ARTS voordat u medische beslissingen neemt.
We gebruiken het algoritme "Model Dermatology". De prestaties van de classifier zijn gepubliceerd in verschillende prestigieuze medische tijdschriften. Er zijn talloze collaboratieve studies uitgevoerd met verschillende ziekenhuizen internationaal, waaronder Seoul National University, Ulsan University, Yonsei University, Hallym University, Inje University, Stanford, MSKCC en Ospedale San Bortolo.
- Beoordeling van diepe neurale netwerken voor de diagnose van goedaardige en kwaadaardige huidneoplasmata in vergelijking met dermatologen: een retrospectieve validatiestudie. PLOS Medicine, 2020
- Prestaties van een diep neuraal netwerk in teledermatologie: een prospectieve diagnostische studie in één centrum. J Eur Acad Dermatol Venereol. 2020
- Detectie van keratinocytische huidkanker in het gezicht met behulp van een op regio's gebaseerd convolutioneel neuraal netwerk. JAMA Dermatol. 2019
- Lijkt laag te zijn, maar is het echt slecht? : Behoefte aan cohort- en vergelijkende studies om de prestaties van diepe neurale netwerken te verduidelijken. J Invest Dermatol. 2020
- Multiclass kunstmatige intelligentie in de dermatologie: vooruitgang, maar nog ruimte voor verbetering. J Invest Dermatol. 2020
- Augment Intelligence Dermatology: diepe neurale netwerken stellen medische professionals in staat huidkanker te diagnosticeren en behandelingsopties voor 134 huidaandoeningen te voorspellen. J Invest Dermatol. 2020
- Interpretatie van de uitkomsten van een deep learning-model dat is getraind met een dataset over huidkanker. J Invest Dermatol. 2018
- Geautomatiseerde dermatologische diagnose: hype of realiteit? J Invest Dermatol. 2018
- Classificatie van klinische beelden voor goedaardige en kwaadaardige huidtumoren met behulp van een deep learning-algoritme. J Invest Dermatol. 2018
- De nauwkeurigheid van artsen in opleiding vergroten bij het diagnosticeren van huidlaesies waarvan wordt vermoed dat ze huidneoplasmata zijn in een realistische omgeving: een prospectieve gecontroleerde voor- en nastudie. PLOS One, 2022
- Evaluatie van door kunstmatige intelligentie ondersteunde diagnose van huidneoplasmata – een single-center, parallelle, ongemaskeerde, gerandomiseerde gecontroleerde proef. J Invest Dermatol. 2022
umi Max
