Kunstig intelligens scanner det medfølgende billede og hjælper øjeblikkeligt med at identificere dit hudproblem. KI giver relevant medicinsk information om hudsygdomme (f.eks. udslæt, vorter, nældefeber) og hudkræft (f.eks. melanom).
◉ Tag hudbilleder og indsend dem. De beskårne billeder overføres, men vi gemmer ikke dine data.
◉ KI'en giver links til websteder, der beskriver de relevante tegn og symptomer på hudsygdomme og hudkræft (f.eks. melanom).
◉ Algoritmen kan klassificere billeder af 186 hudsygdomme, herunder almindelige typer hudsygdomme (f.eks. atopisk dermatitis, nældefeber, eksem, psoriasis, acne, rosacea, onychomycosis, melanom, nevus).
◉ Brugen af algoritmen er gratis og i alt 104 sprog understøttes.
🞹 Udgivelse
Vi bruger "Model Dermatology"-algoritmen. Klassifikatorens præstation er blevet publiceret i flere prestigefyldte medicinske tidsskrifter.
- 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
🞹 Ansvarsfraskrivelse
- Søg venligst en læges råd ud over at bruge denne app og før du træffer nogen medicinske beslutninger.
- Diagnosen hudkræft eller hudlidelse udelukkende baseret på kliniske billeder kan gå glip af op til 10 % af tilfældene. Derfor kan denne app ikke erstatte standardpleje (personlig undersøgelse).
- Algoritmens forudsigelse er ikke den endelige diagnose af hudkræft eller hudlidelse. Det tjener kun til at give personlig medicinsk information til reference