Model Dermatol– Penyakit kulit

Kecerdasan buatan dapat menganalisis foto yang diberikan dan langsung membantu menemukan informasi tentang masalah kulit Anda. Algoritma ini menyediakan informasi medis yang relevan tentang penyakit kulit (misalnya, kutil, herpes zoster), kanker kulit (misalnya, melanoma), dan ruam kulit lainnya (misalnya, biduran). Dalam Stiftung Warentest 2022, sebuah organisasi konsumen Jerman, aplikasi ini menerima peringkat kepuasan hanya sedikit lebih rendah dibandingkan dengan layanan dermatologi telemedis berbayar.

Ambil foto kulit dan kirimkan. Gambar yang dipotong akan ditransfer, tetapi kami tidak menyimpan data Anda.
Kecerdasan buatan menyediakan tautan ke situs web yang menjelaskan tanda dan gejala penyakit kulit dan kanker kulit yang relevan (mis., melanoma).
Algoritme dapat mengklasifikasikan gambar dari 186 jenis penyakit kulit, termasuk jenis gangguan kulit yang umum (misalnya, dermatitis atopik, gatal-gatal, eksim, psoriasis, jerawat, rosacea, onikomikosis, melanoma, nevus).
Penggunaan algoritme ini gratis dan didukung oleh total 104 bahasa.

* Publikasi
Kami menggunakan algoritma "Model Dermatology". Kinerja pengklasifikasi telah dipublikasikan di beberapa jurnal medis bergengsi. Banyak studi kolaboratif telah dilakukan dengan berbagai rumah sakit di tingkat internasional, termasuk Universitas Nasional Seoul, Universitas Ulsan, Universitas Yonsei, Universitas Hallym, Universitas Inje, Stanford, MSKCC, dan 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

* Penafian
- Silakan mencari saran dokter selain menggunakan aplikasi ini dan sebelum membuat keputusan medis.
- Diagnosis kanker kulit atau kelainan kulit hanya berdasarkan gambaran klinis dapat meleset hingga 10% dari kasus. Oleh karena itu, aplikasi ini tidak dapat menggantikan perawatan standar (pemeriksaan langsung).
- Prediksi algoritme bukanlah diagnosis akhir dari kanker kulit atau kelainan kulit. Ini hanya berfungsi untuk memberikan informasi medis yang dipersonalisasi untuk referensi