Künstliche Intelligenz kann das bereitgestellte Foto analysieren und sofort dabei helfen, Informationen zu Ihrem Hautproblem zu finden. Der Algorithmus bietet relevante medizinische Informationen zu Hautkrankheiten (z. B. Warzen, Gürtelrose), Hautkrebs (z. B. Melanom) und anderen Hautausschlägen (z. B. Nesselsucht). Bei der Stiftung Warentest 2022, einer deutschen Verbraucherorganisation, erhielt diese App nur geringfügig niedrigere Zufriedenheitswerte als kostenpflichtige Telemedizin-Dermatologiedienste.
- Bitte machen Sie Hautfotos und senden Sie diese zur Analyse ein. Die zugeschnittenen Bilder werden übertragen, wir speichern Ihre Daten jedoch nicht.
- Der Algorithmus bietet Links zu Websites, die die relevanten Anzeichen und Symptome von Hautkrankheiten und Hautkrebs (z. B. Melanom) beschreiben.
- Mit der Fähigkeit, Bilder von 186 Hautkrankheiten zu klassifizieren, deckt der Algorithmus häufige Arten von Hauterkrankungen ab, wie z. B. Neurodermitis, Nesselsucht, Ekzeme, Schuppenflechte, Akne, Rosazea, Warzen, Onychomykose, Gürtelrose, Melanom und Nävi.
- Die Verwendung des Algorithmus ist KOSTENLOS.
Bitte beachten Sie jedoch den folgenden Haftungsausschluss:
- Diese App ist ein Bildsuchtool, KEINE DIAGNOSE-APP. Die in den verlinkten Inhalten angegebenen Krankheitsnamen sind keine endgültigen Diagnosen von Hautkrebs oder Hauterkrankungen.
- Diese App ist kein medizinisches Gerät und wurde nicht von der FDA zugelassen.
- Obwohl der Inhalt informativ ist, KONSULTIEREN SIE BITTE EINEN ARZT, bevor Sie medizinische Entscheidungen treffen.
Wir verwenden den Algorithmus „Model Dermatology“. Die Leistung des Klassifikators wurde in mehreren renommierten medizinischen Fachzeitschriften veröffentlicht. Zahlreiche Gemeinschaftsstudien wurden mit verschiedenen Krankenhäusern auf der ganzen Welt durchgeführt, darunter Seoul National University, Ulsan University, Yonsei University, Hallym University, Inje University, Stanford, MSKCC und Ospedale San Bortolo.
- Bewertung tiefer neuronaler Netzwerke für die Diagnose gutartiger und bösartiger Hautneoplasien im Vergleich mit Dermatologen: Eine retrospektive Validierungsstudie. PLOS Medicine, 2020
– Leistung eines tiefen neuronalen Netzwerks in der Teledermatologie: eine prospektive Diagnosestudie an einem einzigen Zentrum. J Eur Acad Dermatol Venereol. 2020
– Erkennung von keratinozytischem Hautkrebs im Gesicht mithilfe eines regionenbasierten Convolutional Neural Network. JAMA Dermatol. 2019
– Scheint niedrig zu sein, aber ist es wirklich schlecht?: Bedarf an Kohorten- und Vergleichsstudien zur Klärung der Leistungsfähigkeit tiefer neuronaler Netzwerke. J Invest Dermatol. 2020
– Mehrklassige künstliche Intelligenz in der Dermatologie: Fortschritte, aber noch Raum für Verbesserungen. J Invest Dermatol. 2020
– Erweiterte Intelligenz in der Dermatologie: Tiefe neuronale Netzwerke unterstützen medizinisches Fachpersonal bei der Diagnose von Hautkrebs und der Vorhersage von Behandlungsmöglichkeiten für 134 Hauterkrankungen. J Invest Dermatol. 2020
– Interpretation der Ergebnisse eines Deep-Learning-Modells, das mit einem Hautkrebs-Datensatz trainiert wurde. J Invest Dermatol. 2018
– Automatisierte dermatologische Diagnose: Hype oder Realität? J Invest Dermatol. 2018
– Klassifizierung der klinischen Bilder für gutartige und bösartige Hauttumoren mithilfe eines Deep-Learning-Algorithmus. J Invest Dermatol. 2018
– Verbesserung der Genauigkeit von Ärzten in der Ausbildung bei der Diagnose von Hautläsionen mit Verdacht auf Hautneoplasien in einer realen Umgebung: Eine prospektive kontrollierte Vorher-Nachher-Studie. PLOS One, 2022
– Bewertung der durch künstliche Intelligenz unterstützten Diagnose von Hautneoplasien – eine monozentrische, parallelisierte, unmaskierte, randomisierte kontrollierte Studie. J Invest Dermatol. 2022
umi Max
