Model Dermatol– penyakit kulit

Iderma

Perihal apl ini

Kecerdasan buatan menganalisis foto yang anda serahkan dan serta-merta mencari dokumen perubatan yang berkaitan tentang keadaan kulit yang berpotensi. Algoritma menyediakan dokumen mengenai gangguan kulit biasa (contoh: ketuat, herpes zoster), kanser kulit (contoh: melanoma), dan ruam kulit lain (contoh: urtikaria).

- Sila tangkap gambar kawasan kulit yang terjejas dan serahkannya untuk analisis. Hanya imej yang dipangkas yang dipindahkan; kami tidak menyimpan data peribadi anda.
- Algoritma menyediakan pautan ke sumber perubatan yang berautoriti yang menerangkan tanda dan gejala utama penyakit kulit dan kanser kulit (contoh: melanoma).
- Dengan keupayaan mengklasifikasikan 186 keadaan kulit yang berbeza, algoritma merangkumi gangguan dermatologi biasa seperti dermatitis atopik, urtikaria, ekzema, psoriasis, jerawat, rosacea, ketuat, onikomikosis, herpes zoster, melanoma, dan nevi.
- Aplikasi ini berfungsi semata-mata sebagai alat carian imej dan 'BUKAN platform diagnosis'. Nama penyakit yang diberikan melalui kandungan berpautan tidak merupakan diagnosis pasti kanser kulit atau gangguan dermatologi lain. Walaupun maklumat yang diberikan bersifat perubatan, anda 'PERLU MENGKONSULTASIKAN DOKTOR' sebelum membuat sebarang keputusan kesihatan.
- Penggunaan algoritma ini adalah 'SEPENUHNYA PERCUMA'.

Kami menggunakan algoritma 'Model Dermatology', yang prestasinya telah disahkan dan diterbitkan dalam pelbagai jurnal perubatan berulasan. Kajian kolaboratif telah dijalankan bersama pelbagai institusi antarabangsa, termasuk Seoul National University, Yonsei University, University of Basel, Stanford University, Memorial Sloan Kettering Cancer Center (MSKCC), dan Ospedale San Bortolo. Publikasi contoh termasuk:
- 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>

'Penafian'
- Sentiasa dapatkan nasihat perubatan profesional selain menggunakan aplikasi ini sebelum membuat sebarang keputusan kesihatan.
- Diagnosis yang hanya berdasarkan imej klinikal mungkin terlepas sehingga 10 % kes. Oleh itu, aplikasi ini tidak dapat menggantikan penilaian perubatan bersemuka yang standard.
- Output algoritma bukan diagnosis akhir; ia menyediakan maklumat perubatan yang diperibadikan untuk rujukan dan tujuan pendidikan sahaja.