Näppäimistö Swipe

A mesterséges intelligencia képes elemezni a megadott fényképet, és azonnal segít megtalálni a bőrproblémájával kapcsolatos információkat. Az algoritmus releváns orvosi információkat nyújt bőrbetegségekről (pl. szemölcsök, övsömör), bőrrákról (pl. melanoma) és egyéb bőrkiütésekről (pl. csalánkiütés). A 2022-es Stiftung Warentest, egy német fogyasztóvédelmi szervezet felmérésében ez az alkalmazás csak valamivel alacsonyabb elégedettségi értékelést kapott, mint a fizetős telemedicina bőrgyógyászati szolgáltatások.
- Készítsen bőrfotókat és küldje el őket. A kivágott képek átvitelre kerülnek, de az Ön adatait nem tároljuk.
- Az algoritmus hivatkozásokat biztosít olyan weboldalakra, amelyek leírják a bőrbetegségek és a bőrrák (pl. melanoma) jellegzetes tüneteit és jeleit.
- Az algoritmus képes osztályozni 186 különböző bőrbetegség képét, ideértve a leggyakoribb bőrbetegségeket is (pl. atópiás dermatitisz, csalánkiütés, ekcéma, pikkelysömör, akne, rosacea, onychomycosis, melanoma, nevus).
- Az algoritmus használata ingyenes, és összesen 104 nyelvet támogat.
* Kiadvány
A "Model Dermatology" algoritmust használjuk. Az osztályozó teljesítményét több tekintélyes orvosi folyóirat is publikálta.
- 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
* Jogi nyilatkozat
- Kérjük, kérje orvos tanácsát az alkalmazás használata mellett, mielőtt bármilyen orvosi döntést hozna.
- A bőrrák vagy bőrbetegség kizárólag klinikai képek alapján történő diagnózisa az esetek 10%-ában elmaradhat. Ezért ez az alkalmazás nem helyettesítheti a szokásos ellátást (személyes vizsgálat).
- Az algoritmus előrejelzése nem a bőrrák vagy bőrbetegség végső diagnózisa. Csak személyre szabott orvosi információk nyújtására szolgál referenciaként