هوش مصنوعی عکس داده شده را اسکن می کند و فورا به مشکل پوست شما کمک می کند. هوش مصنوعی اطلاعات پزشکی مرتبطی را در مورد بیماری های پوستی (مانند بثورات پوستی، زگیل، کهیر) و سرطان پوست (مثلاً ملانوم) ارائه می دهد. هوش مصنوعی همچنین اطلاعاتی در مورد کلینیک پوست مناسب می دهد. "Model Dermatology" به عنوان یک دستگاه پزشکی تنظیم می شود (🞹 CE-MDR کلاس I). عملکرد الگوریتم در چندین مجله معتبر پزشکی به چاپ رسیده است.
◉ عکس پوست بگیرید و ارسال کنید.
◉ "Model Dermatology" اطلاعات مرتبطی در مورد کلینیک های پوست، بیماری های پوستی و سرطان پوست ارائه می دهد. هوش مصنوعی پیوندهای شخصی شده ای را به وب سایت هایی ارائه می دهد که علائم و نشانه های بیماری پوست و سرطان پوست (مانند ملانوما) را توصیف می کند.
◉ این الگوریتم می تواند 184 بیماری پوستی را طبقه بندی کند که شامل انواع شایع اختلالات پوستی (مانند درماتیت آتوپیک، کهیر، اگزما، پسوریازیس، آکنه، روزاسه، اونیکومیکوز، ملانوم، خال) می شود.
◉ تصاویر و ابرداده های ارسال شده (مانند خارش، درد، شروع) منتقل می شوند، اما ما داده های شما را ذخیره نمی کنیم.
◉ استفاده از الگوریتم رایگان است و در مجموع از 104 چند زبان پشتیبانی می شود.
🞹 انتشار
- 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
🞹 سلب مسئولیت
- لطفاً علاوه بر استفاده از این برنامه و قبل از هر گونه تصمیم پزشکی، از یک پزشک مشاوره بگیرید.
- در مجموع 10 درصد از موارد سرطان پوست در صورتی که تشخیص تنها با استفاده از تصاویر بالینی انجام شده باشد، قابل تشخیص نیست. بنابراین، این برنامه نمی تواند نقش مراقبت استاندارد (معاینه حضوری) را جایگزین کند.
- پیش بینی الگوریتم تشخیص نهایی سرطان پوست یا اختلال پوستی نیست. این فقط برای ارائه اطلاعات پزشکی شخصی برای مرجع خدمت می کند.
