Sind Sie neugierig, wie die Technologie von SkinVision funktioniert? Lassen Sie uns das aufschlüsseln
Die Kraft des Lernens:
So wie der Mensch aus Erfahrung lernt, verbessert der SkinVision-Algorithmus mit der Zeit seine Genauigkeit. Er basiert auf maschinellem Lernen, d. h. er analysiert große Datenmengen, um Muster zu erkennen. Diese Muster helfen bei der Vorhersage des Hautkrebsrisikos an einer Hautstelle.
Training des Algorithmus:
Unsere Reise beginnt mit Daten - über 100.000 Hautfleckenbilder, ausgewählt aus 2,9 Millionen Fotos, die von unseren Dermatologen bewertet wurden. Diese vielfältige Datenbank deckt alle Hauttypen und -zustände ab und bietet eine solide Grundlage für das Training. Anhand dieser von Dermatologen begutachteten Bilder lernt der Algorithmus, zwischen verschiedenen Hautfleckenfotos und den damit verbundenen Risikostufen zu unterscheiden.
Genauigkeit und Verlässlichkeit:
Der wahre Test für die Qualität unseres Algorithmus ergibt sich aus dem Vergleich seiner Bewertungen mit dem goldenen Standard - durch Biopsie bestätigte Hautkrebsfälle. Hier hat unser Algorithmus eine beeindruckende Sensitivität bewiesen, indem er Hautkrebs in 95 % der Fälle richtig erkannt hat. Diese Leistung unterstreicht die Zuverlässigkeit des Tools, die durch klinische Tests und in angesehenen wissenschaftlichen Zeitschriften veröffentlichte Forschungsergebnisse gestützt wird.
Unnötigen Sorgen vorbeugen:
Mit einer Spezifitätsrate von 80,1 % für eindeutig gutartige Läsionen zeichnet sich SkinVision auch bei der Erkennung harmloser Flecken aus. Das bedeutet, dass viele Nutzer beruhigt sind, wenn es sich um Flecken handelt, die keinen Arztbesuch erfordern, und hilft, unnötige Sorgen und Arztbesuche zu vermeiden.
Für detailliertere klinische Nachweise und um die Genauigkeit unseres Algorithmus zu verstehen, können Sie die folgenden Ressourcen nutzen:
https://pubmed.ncbi.nlm.nih.gov/31494983/
https://www.karger.com/Article/FullText/520474
Referenzen:
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. Validierung einer auf dem Markt zugelassenen mobilen Gesundheitsanwendung mit künstlicher Intelligenz für das Hautkrebsscreening: Eine prospektive multizentrische Studie zur diagnostischen Genauigkeit
Kommentare
0 Kommentare
Bitte melden Sie sich an, um einen Kommentar zu hinterlassen.