Model Derm– Enfermidade da pel

Iderma

Acerca desta aplicación

A intelixencia artificial analiza as fotografías enviadas e busca instantaneamente documentos médicos relevantes sobre posibles condicións cutáneas. O algoritmo fornece documentos sobre trastornos cutáneos comúns (por exemplo, verrugas, herpes zóster), cancro de pel (por exemplo, melanoma) e outras erupcións cutáneas (por exemplo, urticaria). No 2022 Stiftung Warentest, unha organización de consumidores alemá, esta aplicación obtivo índices de satisfacción só lixeiramente por debaixo dos servizos de teledermatoloxía de pago.

- Capture fotografías da zona afectada da pel e envíeas para análise. Só as imaxes recortadas necesarias para a avaliación son transferidas; non almacenamos os seus datos persoais.
- O algoritmo ofrece ligazóns a recursos médicos de autoridade que describen os signos e síntomas clave das condicións cutáneas e do cancro de pel (por exemplo, melanoma).
- Con capacidade para clasificar 186 condicións cutáneas distintas, o algoritmo abarca trastornos dermatolóxicos comúns como dermatite atópica, urticaria (hives), eczema, psoríase, acné, rosácea, verrugas, onicomicose, herpes zóster, melanoma e nevos.
- Esta aplicación funciona exclusivamente como unha ferramenta de busca de imaxes e NON é unha plataforma de diagnóstico. Os nomes das enfermidades proporcionados a través do contido enlazado non constitúen un diagnóstico confirmado de cancro de pel ou de outras condicións dermatolóxicas. A información é informativa, pero é esencial CONSULTAR A UN MÉDICO antes de tomar calquera decisión sanitaria.
- O uso deste algoritmo é COMPLETAMENTE GRATUÍTO.

Utilizamos o algoritmo 'Model Dermatology', cuxo rendemento foi validado e publicado en múltiples revistas médicas revisadas por pares. Realizáronse estudos colaborativos con numerosas institucións internacionais, incluíndo Seoul National University, Yonsei University, Basel University, Stanford University, MSKCC e Ospedale San Bortolo. Publicacións representativas inclúen:
- 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>

* Exención de responsabilidade
- Sempre busque consello profesional médico ademais de usar esta aplicación antes de tomar calquera decisión sanitaria.
- Os diagnósticos baseados exclusivamente en imaxes clínicas poden perder ata o 10 % dos casos. Esta aplicación non pode substituír a avaliación médica presencial estándar.
- A saída do algoritmo non é un diagnóstico definitivo; proporciona información médica personalizada só con fins de referencia e educativos.