Штучний інтелект може проаналізувати надану фотографію та миттєво допомогти знайти інформацію про вашу проблему шкіри. Алгоритм надає відповідну медичну інформацію про шкірні захворювання (наприклад, бородавки, оперізуючий лишай), рак шкіри (наприклад, меланому) та інші шкірні висипання (наприклад, кропив’янку). У 2022 Stiftung Warentest, німецької організації споживачів, цей додаток отримав лише трохи нижчі оцінки, ніж платні телемедичні дерматологічні послуги.
- Будь ласка, зробіть фотографії шкіри та надішліть їх на аналіз. Обрізані зображення буде передано, але ми не зберігатимемо ваші дані.
- Алгоритм надає посилання на веб-сайти, які описують відповідні ознаки та симптоми шкірних захворювань і раку шкіри (наприклад, меланоми).
- Завдяки можливості класифікувати зображення 186 шкірних захворювань, алгоритм охоплює поширені типи захворювань шкіри, такі як атопічний дерматит, кропив’янка, екзема, псоріаз, акне, розацеа, бородавки, оніхомікози, оперізувальний лишай, меланома та невуси.
- Використання алгоритму БЕЗКОШТОВНЕ.
Однак майте на увазі таке застереження:
- Ця програма є інструментом пошуку зображень, а НЕ ПРОГРАМОЮ ДІАГНОСТИКИ. Назви захворювань, наведені у вмісті за посиланнями, не є остаточним діагнозом раку шкіри або захворювань шкіри.
- Ця програма не є медичним пристроєм і не була схвалена FDA.
- Хоча вміст є інформативним, будь ласка, ПРОКОнсультуйтеся з лікарем, перш ніж приймати будь-які медичні рішення.
Ми використовуємо алгоритм «Модельна дерматологія». Результати роботи класифікатора були опубліковані в кількох престижних медичних журналах. Численні спільні дослідження були проведені з різними міжнародними лікарнями, включаючи Сеульський національний університет, Ульсанський університет, Університет Йонсей, Університет Халліма, Університет Індже, Стенфорд, MSKCC та Ospedale San Bortolo.
- Оцінка глибинних нейронних мереж для діагностики доброякісних і злоякісних новоутворень шкіри в порівнянні з дерматологами: ретроспективне перевірочне дослідження. PLOS Medicine, 2020
- Ефективність глибокої нейронної мережі в теледерматології: проспективне діагностичне дослідження в одному центрі. J Eur Acad Dermatol Venereol. 2020
– Виявлення кератиноцитарного раку шкіри на обличчі за допомогою згорткової нейронної мережі на основі регіону. JAMA Dermatol. 2019
- Здається, низький, але чи справді бідний? : Необхідність когортних і порівняльних досліджень для уточнення продуктивності глибоких нейронних мереж. J Invest Dermatol. 2020
– Багатокласовий штучний інтелект у дерматології: прогрес, але ще є можливості для вдосконалення. J Invest Dermatol. 2020
– Augment Intelligence Dermatology: глибокі нейронні мережі дають змогу медичним працівникам діагностувати рак шкіри та прогнозувати варіанти лікування 134 захворювань шкіри. J Invest Dermatol. 2020
– Інтерпретація результатів моделі глибокого навчання, навченої за допомогою набору даних про рак шкіри. J Invest Dermatol. 2018
- Автоматизована дерматологічна діагностика: обман чи реальність? J Invest Dermatol. 2018
- Класифікація клінічних зображень доброякісних і злоякісних пухлин шкіри з використанням алгоритму глибокого навчання. J Invest Dermatol. 2018 р.
- Підвищення точності лікарів-стажерів у діагностиці уражень шкіри з підозрою на новоутворення шкіри в реальних умовах: проспективне контрольоване дослідження до та після. PLOS One, 2022
– Оцінка діагностики новоутворень шкіри за допомогою штучного інтелекту – одноцентрове, паралельне, незамасковане, рандомізоване контрольоване дослідження. J Invest Dermatol. 2022
Samsung Galaxy Young 2
