config.xxxhdpi

config.en

Everyone

IDerma

Nougat

Sztuczna inteligencja może analizować dostarczone zdjęcie i natychmiast pomóc znaleźć informacje o Twoim problemie skórnym. Algorytm dostarcza odpowiednich informacji medycznych na temat chorób skóry (np. brodawki, półpasiec), raka skóry (np. czerniak) i innych wysypek skórnych (np. pokrzywka). W teście Stiftung Warentest z 2022 roku, niemieckiej organizacji konsumenckiej, aplikacja ta otrzymała oceny satysfakcji tylko nieznacznie niższe niż płatne usługi telemedycyny dermatologicznej.

◉ Wykonuj zdjęcia skóry i przesyłaj je. Przycięte obrazy są przesyłane, ale nie przechowujemy Twoich danych.
◉ Sztuczna inteligencja zawiera linki do stron internetowych opisujących istotne objawy i oznaki chorób skóry i raka skóry (np. czerniaka).
◉ Algorytm może klasyfikować obrazy 186 chorób skóry, w tym powszechnych rodzajów chorób skóry (np. atopowe zapalenie skóry, pokrzywka, egzema, łuszczyca, trądzik, trądzik różowaty, grzybica paznokci, czerniak, znamię).
◉ Korzystanie z algorytmu jest bezpłatne i obsługiwane są łącznie 104 języki.

🞹 Publikacja
Korzystamy z algorytmu „Modelowej Dermatologii”. Wydajność klasyfikatora została opublikowana w kilku prestiżowych czasopismach medycznych. Wiele wspólnych badań zostało przeprowadzonych z różnymi szpitalami na całym świecie, w tym z Uniwersytetem Narodowym w Seulu, Uniwersytetem Ulsan, Uniwersytetem Yonsei, Uniwersytetem Hallym, Uniwersytetem Inje, Stanfordem, MSKCC oraz Ospedale San Bortolo.

- 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

🞹 Zastrzeżenie
- Oprócz korzystania z tej aplikacji i przed podjęciem jakichkolwiek decyzji medycznych należy zasięgnąć porady lekarza.
- Rozpoznanie raka skóry lub choroby skóry oparte wyłącznie na obrazach klinicznych może pomijać do 10% przypadków. Dlatego ta aplikacja nie może zastąpić standardowej opieki (badanie osobiste).
- Przewidywanie algorytmu nie jest ostateczną diagnozą raka skóry lub choroby skóry. Służy wyłącznie do dostarczania spersonalizowanych informacji medycznych w celach informacyjnych

Model Dermatol – Choroba skóry

Najnowsza wersja Model Dermatol – Choroba skóry

Inne wersje