L'intelligence artificielle peut analyser la photographie fournie et vous aider instantanément à trouver des informations médicales sur votre problème de peau. L'algorithme offre des informations médicales pertinentes sur les maladies de la peau (par exemple les verrues, le zona), le cancer de la peau (par exemple le mélanome) et d'autres éruptions cutanées (par exemple l'urticaire).
- Veuillez capturer des photographies de peau et les soumettre pour analyse. Les images recadrées seront transférées, mais nous ne stockerons pas vos données.
- L'algorithme fournit des liens vers des sites Web qui décrivent les signes et symptômes pertinents des maladies de la peau et du cancer de la peau (par exemple le mélanome).
- Avec la capacité de classer les images de 186 maladies de peau, l'algorithme couvre les types courants de troubles cutanés tels que la dermatite atopique, l'urticaire, l'eczéma, le psoriasis, l'acné, la rosacée, les verrues, l'onychomycose, le zona, le mélanome et le naevus.
- L'utilisation de l'algorithme est GRATUITE et prend en charge un total de 104 langues.
Cependant, veuillez garder à l'esprit la clause de non-responsabilité suivante :
- La prédiction de l'algorithme ne constitue pas le diagnostic final d'un cancer de la peau ou d'un trouble cutané, bien qu'elle soit destinée à fournir des informations médicales personnalisées.
- Bien que cette application soit utile, veuillez consulter un médecin avant de prendre une décision médicale.
Nous utilisons l'algorithme « Model Dermatology ». Les performances du classificateur ont été publiées dans plusieurs revues médicales prestigieuses.
- Évaluation des réseaux de neurones profonds pour le diagnostic des néoplasmes cutanés bénins et malins en comparaison avec les dermatologues : une étude de validation rétrospective. PLOS Medicine, 2020
- Performance d'un réseau neuronal profond en télédermatologie : une étude diagnostique prospective monocentrique. J Eur Acad Dermatol Vénéréol. 2020
- Détection du cancer de la peau kératinocytaire sur le visage à l'aide d'un réseau neuronal convolutif basé sur une région. JAMA Dermatol. 2019
- Cela semble faible, mais est-ce vraiment médiocre ? : Besoin d'études de cohorte et comparatives pour clarifier les performances des réseaux de neurones profonds. J Invest Dermatol. 2020
- Intelligence artificielle multiclasse en dermatologie : des progrès mais encore des améliorations. J Invest Dermatol. 2020
- Augment Intelligence Dermatology : les réseaux de neurones profonds permettent aux professionnels de la santé de diagnostiquer le cancer de la peau et de prédire les options de traitement pour 134 troubles cutanés. J Invest Dermatol. 2020
- Interprétation des résultats du modèle d'apprentissage profond formé avec l'ensemble de données sur le cancer de la peau. J Invest Dermatol. 2018
- Diagnostic dermatologique automatisé : battage médiatique ou réalité ? J Invest Dermatol. 2018
- Classification des images cliniques des tumeurs cutanées bénignes et malignes à l'aide d'un algorithme de Deep Learning. J Invest Dermatol. 2018
- Augmenter la précision des médecins stagiaires dans le diagnostic des lésions cutanées suspectées de néoplasmes cutanés dans un contexte réel : une étude prospective contrôlée avant et après. PLOS One, 2022
– Évaluation du diagnostic des néoplasmes cutanés assisté par intelligence artificielle – un essai contrôlé randomisé monocentrique, parallèle, non masqué. J Invest Dermatol. 2022
Blackview BV8000 Pro
