IA proporciona información relevante sobre 186 enfermedades de la piel
advertisement
Nombre | ModelDerm–Enfermedades la piel |
---|---|
Versión | 14.9.75 |
Actualizar | 16 de 09 de 2024 |
Tamaño | 15 MB |
Categoría | Medicina |
Descargas | 500mil+ |
Desarrollador | IDerma |
Android OS | Android 7.0+ |
Google Play ID | com.phonegap.whichderm |
ModelDerm–Enfermedades la piel · Descripción
La inteligencia artificial puede analizar la fotografía proporcionada y ayudar a encontrar información sobre su problema de piel al instante. El algoritmo proporciona información médica relevante sobre enfermedades de la piel (por ejemplo, verrugas, herpes zóster), cáncer de piel (por ejemplo, melanoma) y otras erupciones cutáneas (por ejemplo, urticaria). En el Stiftung Warentest de 2022, una organización de consumidores alemana, esta aplicación recibió calificaciones de satisfacción solo ligeramente inferiores a los servicios de dermatología por telemedicina de pago.
◉ Tome fotografías de su piel y envíelas. Las imágenes recortadas se transfieren, pero no almacenamos sus datos personales.
◉ La IA proporciona enlaces a sitios web que describen los signos y síntomas relevantes de enfermedades de la piel y cáncer de piel (como el melanoma).
◉ El algoritmo puede clasificar imágenes de 186 enfermedades de la piel, incluyendo los tipos comunes de trastornos de la piel (como la dermatitis atópica, la urticaria, el eccema, la psoriasis, el acné, la rosácea, la onicomicosis, el melanoma y el nevus).
◉ El uso del algoritmo es gratuito y se admiten un total de 104 idiomas.
🞹 Publicación
Utilizamos el algoritmo "Model Dermatology". El desempeño del clasificador ha sido publicado en varias revistas médicas prestigiosas. Varios estudios colaborativos se han llevado a cabo con diversos hospitales a nivel internacional, incluyendo la Universidad Nacional de Seúl, la Universidad de Ulsan, la Universidad Yonsei, la Universidad Hallym, la Universidad Inje, Stanford, MSKCC y el Ospedale San Bortolo.
- 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
🞹 Descargo de responsabilidad
- Busque el consejo de un médico antes de usar esta aplicación y antes de tomar cualquier decisión médica.
- El diagnóstico de cáncer de piel o trastornos de la piel basado únicamente en imágenes clínicas puede no ser preciso hasta en un 10% de los casos. Por lo tanto, esta aplicación no puede sustituir la atención médica estándar (como el examen en persona).
- La predicción del algoritmo no constituye el diagnóstico final de cáncer de piel o trastornos de la piel. Solo sirve como referencia para información médica personalizada.
◉ Tome fotografías de su piel y envíelas. Las imágenes recortadas se transfieren, pero no almacenamos sus datos personales.
◉ La IA proporciona enlaces a sitios web que describen los signos y síntomas relevantes de enfermedades de la piel y cáncer de piel (como el melanoma).
◉ El algoritmo puede clasificar imágenes de 186 enfermedades de la piel, incluyendo los tipos comunes de trastornos de la piel (como la dermatitis atópica, la urticaria, el eccema, la psoriasis, el acné, la rosácea, la onicomicosis, el melanoma y el nevus).
◉ El uso del algoritmo es gratuito y se admiten un total de 104 idiomas.
🞹 Publicación
Utilizamos el algoritmo "Model Dermatology". El desempeño del clasificador ha sido publicado en varias revistas médicas prestigiosas. Varios estudios colaborativos se han llevado a cabo con diversos hospitales a nivel internacional, incluyendo la Universidad Nacional de Seúl, la Universidad de Ulsan, la Universidad Yonsei, la Universidad Hallym, la Universidad Inje, Stanford, MSKCC y el Ospedale San Bortolo.
- 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
🞹 Descargo de responsabilidad
- Busque el consejo de un médico antes de usar esta aplicación y antes de tomar cualquier decisión médica.
- El diagnóstico de cáncer de piel o trastornos de la piel basado únicamente en imágenes clínicas puede no ser preciso hasta en un 10% de los casos. Por lo tanto, esta aplicación no puede sustituir la atención médica estándar (como el examen en persona).
- La predicción del algoritmo no constituye el diagnóstico final de cáncer de piel o trastornos de la piel. Solo sirve como referencia para información médica personalizada.