Model Dermatol – Hautkrankheit

Künstliche Intelligenz kann das bereitgestellte Foto analysieren und sofort helfen, Informationen zu Ihrem Hautproblem zu finden. Der Algorithmus liefert relevante medizinische Informationen zu Hautkrankheiten (z.B. Warzen, Gürtelrose), Hautkrebs (z.B. Melanom) und anderen Hautausschlägen (z.B. Nesselsucht). In der 2022 Stiftung Warentest, einer deutschen Verbraucherorganisation, erhielt diese App Zufriedenheitsbewertungen, die nur geringfügig niedriger waren als die von kostenpflichtigen telemedizinischen Dermatologie-Diensten.

◉ Machen Sie Hautfotos und reichen Sie sie ein. Die zugeschnittenen Bilder werden übertragen, aber wir speichern Ihre Daten nicht.

◉ Die KI stellt Links zu Websites bereit, die die relevanten Anzeichen und Symptome von Hautkrankheiten und Hautkrebs (z.B. Melanom) beschreiben.

◉ Der Algorithmus kann Bilder von 186 Hautkrankheiten klassifizieren, einschließlich häufig vorkommender Arten von Hauterkrankungen (z.B. atopische Dermatitis, Urtikaria, Ekzeme, Psoriasis, Akne, Rosacea, Onychomykose, Melanom, Nävus).

◉ Die Nutzung des Algorithmus ist kostenlos und es werden insgesamt 104 Sprachen unterstützt.

🞹 Veröffentlichung

Wir verwenden den „Model Dermatology“-Algorithmus. Die Leistung des Klassifikators wurde in mehreren renommierten medizinischen Fachzeitschriften veröffentlicht. Zahlreiche kollaborative Studien wurden international mit verschiedenen Krankenhäusern durchgeführt, darunter die Seoul National University, die Ulsan University, die Yonsei University, die Hallym University, die Inje University, Stanford, MSKCC und das 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

🞹 Haftungsausschluss

- Bitte konsultieren Sie vor der Verwendung dieser App und vor der Entscheidung über medizinische Maßnahmen einen Arzt.

- Eine Diagnose von Hautkrebs oder Hauterkrankungen, die ausschließlich auf klinischen Bildern basiert, kann bis zu 10% der Fälle übersehen. Daher kann diese App eine Standardbehandlung (persönliche Untersuchung) nicht ersetzen.

- Die Vorhersage des Algorithmus ist keine endgültige Diagnose von Hautkrebs oder Hauterkrankungen. Sie dient lediglich der Bereitstellung personalisierter medizinischer Informationen zur Referenz.