Comment l'algorithme de SkinVision détecte-t-il le cancer de la peau ?

Vous êtes curieux de savoir comment fonctionne la technologie de SkinVision ? Voyons cela en détail
Le pouvoir de l'apprentissage :
Tout comme les humains apprennent avec l'expérience, l'algorithme de SkinVision améliore sa précision au fil du temps. Il est alimenté par l'apprentissage automatique, ce qui signifie qu'il analyse de grandes quantités de données pour identifier des modèles. Ces modèles permettent de prédire le niveau de risque de cancer de la peau sur une tache cutanée.
Entraînement de l'algorithme :
Notre voyage commence par des données - plus de 100 000 images de taches cutanées sélectionnées parmi 2,9 millions de photos évaluées par nos dermatologues. Cette base de données diversifiée couvre tous les types de peau et toutes les pathologies, ce qui constitue une base solide pour la formation. En apprenant à partir de ces images examinées par des dermatologues, l'algorithme devient capable de distinguer les différentes photos de taches cutanées et les niveaux de risque qui leur sont associés.
Précision et fiabilité :
Le véritable test de la qualité de notre algorithme consiste à comparer ses évaluations à l'étalon-or, à savoir les cas de cancer de la peau confirmés par biopsie. Dans ce cas, notre algorithme a fait preuve d'une sensibilité impressionnante, détectant correctement le cancer de la peau dans 95 % des cas. Ce résultat souligne la fiabilité de l'outil, étayée par des tests cliniques et des recherches publiées dans des revues scientifiques réputées.
Prévenir les inquiétudes inutiles :
Avec un taux de spécificité de 80,1 % pour les lésions clairement bénignes, SkinVision excelle également dans l'identification des taches inoffensives. Cela signifie que de nombreux utilisateurs sont rassurés sur les taches qui ne nécessitent pas de visite chez le médecin, ce qui permet d'éviter les inquiétudes et les consultations inutiles.

• Pour obtenir des preuves cliniques plus détaillées et comprendre la précision de notre algorithme, vous pouvez consulter les ressources suivantes :
  https://pubmed.ncbi.nlm.nih.gov/31494983/ 
  https://www.karger.com/Article/FullText/520474 

Références :
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. Validation d'une application de santé mobile d'intelligence artificielle approuvée par le marché pour le dépistage du cancer de la peau : A Prospective Multicenter Diagnostic Accuracy Study.