Jak algoritmus SkinVision zjišťuje rakovinu kůže?

Zajímá vás, jak technologie SkinVision funguje? Rozeberme si to postupně

Schopnost se učit:

Stejně jako se lidé učí zkušenostmi, i algoritmus SkinVision postupem času zlepšuje svou přesnost. Využívá strojové učení, což znamená, že analyzuje obrovské množství dat a identifikuje v nich určité vzorce. Tyto vzorce pomáhají předpovědět míru rizika, že v dané kožní skvrně vznikne rakovina kůže.

Trénování algoritmu:

Na začátku jsou data – víc než 100 000 snímků kožních skvrn vybraných z 2,9 milionu fotografií, které vyhodnotili naši dermatologové. V této rozmanité databázi jsou zastoupeny všechny typy a stavy kůže, takže je to solidní základ pro trénink. Algoritmus se z těchto snímků posouzených dermatology učí, aby dokázal rozlišovat mezi fotografiemi různých kožních skvrn a hodnotit míru rizika, která je s nimi spojená.

Přesnost a spolehlivost:

Skutečným testem kvality našeho algoritmu je porovnání jeho hodnocení se zlatým standardem – s případy rakoviny kůže potvrzenými biopsií. Zde náš algoritmus prokázal obdivuhodnou citlivost a správně odhalil rakovinu kůže v 95 % případů. Tento úspěch podtrhuje spolehlivost tohoto nástroje, která je podložená klinickými testy a výzkumem publikovaným v renomovaných vědeckých časopisech.

Předchází se zbytečným obavám:

SkinVision vyniká i při určování neškodných skvrn, protože u jasně nezhoubných lézí má míru specificity 80,1 %. To znamená, že mnoho uživatelů se ujistí, že skvrny nevyžadují návštěvu lékaře, což pomáhá předcházet zbytečným obavám a konzultacím.

Pro podrobnější klinické důkazy a pochopení hloubky přesnosti našeho algoritmu si můžete pročíst následující zdroje informací:

https://pubmed.ncbi.nlm.nih.gov/31494983/

https://www.karger.com/Article/FullText/520474

Literatura:

1. Udrea, A. et al. (2020), Accuracy of a smartphone application for triage of skin lesions based on machine learning algorithms. J Eur Acad Dermatol Venereol, 34: 648–655.
2. Sangers, T. et al. (2022). Validation of a Market-Approved Artificial Intelligence Mobile Health App for Skin Cancer Screening: A Prospective Multicenter Diagnostic Accurancy Study. Dermatology, 238: 649–656.