Model Dermatol – Skin Disease

L'intelligence artificielle peut analyser la photographie fournie et aider instantanément à trouver des informations sur votre problème de peau. L'algorithme fournit des informations médicales pertinentes sur les maladies de la peau (par exemple, verrues, zona), le cancer de la peau (par exemple, mélanome), et d'autres éruptions cutanées (par exemple, urticaire). En 2022, Stiftung Warentest, une organisation de consommateurs allemande, a attribué à cette application des évaluations de satisfaction légèrement inférieures à celles des services de dermatologie par télémédecine payants.

◉ Capturez des photos de peau et soumettez-les. Les images recadrées sont transférées, mais nous ne stockons pas vos données.
◉ L'IA fournit des liens vers des sites Web qui décrivent les signes et symptômes pertinents des maladies de la peau et du cancer de la peau (par exemple, le mélanome).
◉ L'algorithme peut classer les images de 186 maladies de la peau, y compris les types courants de troubles cutanés (par exemple, la dermatite atopique, l'urticaire, l'eczéma, le psoriasis, l'acné, la rosacée, l'onychomycose, le mélanome, le naevus).
◉ L'utilisation de l'algorithme est gratuite et un total de 104 langues sont prises en charge.

🞹 Parution
Nous utilisons l'algorithme "Model Dermatology". Les performances du classificateur ont été publiées dans plusieurs revues médicales prestigieuses. De nombreuses études collaboratives ont été menées avec divers hôpitaux à l'international, y compris l'Université Nationale de Séoul, l'Université d'Ulsan, l'Université de Yonsei, l'Université de Hallym, l'Université d'Inje, Stanford, MSKCC et l'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

🞹 Avis de non-responsabilité
- Veuillez demander l'avis d'un médecin en plus d'utiliser cette application et avant de prendre toute décision médicale.
- Le diagnostic de cancer de la peau ou d'affection cutanée basé uniquement sur des images cliniques peut manquer jusqu'à 10 % des cas. Par conséquent, cette application ne peut pas remplacer les soins standard (examen en personne).
- La prédiction de l'algorithme n'est pas le diagnostic final d'un cancer de la peau ou d'un trouble cutané. Il sert uniquement à fournir des informations médicales personnalisées à titre de référence