Kunstig intelligens analyserer dine indsendte fotografier og søger øjeblikkeligt efter relevante medicinske dokumenter om mulige hudtilstande. Algoritmen leverer dokumenter om almindelige hudlidelser (fx vorter, helvedesild), hudkræft (fx melanom) samt andre hududslæt (fx nældefeber). I 2022‑udgaven af Stiftung Warentest, en tysk forbrugerorganisation, opnåede denne applikation tilfredshedsvurderinger kun lidt lavere end betalte teledermatologitjenester.
- Tag billeder af det berørte hudområde og indsend dem til analyse. Kun de beskårne billeder, der er nødvendige for vurderingen, overføres; vi gemmer ikke dine personlige data.
- Algoritmen giver links til autoritative medicinske ressourcer, der beskriver de vigtigste tegn og symptomer på hudtilstande og hudkræft (fx melanom).
- Med evnen til at klassificere 186 forskellige hudtilstande dækker algoritmen almindelige dermatologiske lidelser såsom atopisk dermatitis, nældefeber, eksem, psoriasis, acne, rosacea, vorter, onychomycosis, helvedesild, melanom og nevi.
- Denne applikation fungerer udelukkende som et billedsøgningsværktøj og er 'IKKE' en diagnostisk platform. De sygdomsnavne, der vises via de linkede sider, udgør ikke en bekræftet diagnose af hudkræft eller andre dermatologiske tilstande. Selvom informationen er medicinsk funderet, er det vigtigt at 'KONSULTERE EN LÆGE', før du træffer nogen sundhedsbeslutninger.
- Brug af algoritmen er helt GRATIS.
Vi benytter “Model Dermatology”-algoritmen, hvis præstation er blevet valideret og offentliggjort i flere fagfællebedømte medicinske tidsskrifter. Samarbejdsstudier er udført med en række internationale institutioner, herunder Seoul National University, Yonsei University, Basel University, Stanford University, MSKCC og Ospedale San Bortolo. Representative publikationer inkluderer:
- 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
- Planet-wide Performance of a Skin Disease AI Algorithm Validated in Korea. npj Digital Medicine 2025
- 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
- Performance of a deep neural network in teledermatology: a single center prospective diagnostic study. J Eur Acad Dermatol Venereol. 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
- Keratinocytic Skin Cancer Detection on the Face using Region-based Convolutional Neural Network. JAMA Dermatol. 2019
- Classification of the Clinical Images for Benign and Malignant Cutaneous Tumors Using a Deep Learning Algorithm. J Invest Dermatol. 2018
- Evaluation of Artificial Intelligence-assisted Diagnosis of Skin Neoplasms – a single-center, paralleled, unmasked, randomized controlled trial. J Invest Dermatol. 2022>
'Ansvarsfraskrivelse'
- Søg altid professionel medicinsk rådgivning ud over brugen af denne app, før du træffer nogen sundhedsbeslutninger.
- Diagnoser baseret udelukkende på kliniske billeder kan overse op til 10 % af tilfældene. Denne app kan derfor ikke erstatte en standard personlig medicinsk vurdering.
- Algoritmens output er ikke en endelig diagnose; den giver kun personlig medicinsk information til reference og uddannelsesmæssige formål.