Hoe detecteert het algoritme van SkinVision huidkanker?

Nieuwsgierig hoe de technologie van SkinVision werkt? Laten we het uitleggen:

De kracht van leren:

Net zoals mensen leren van ervaringen, verbetert het algoritme van SkinVision zijn nauwkeurigheid in de loop van de tijd. Het wordt aangedreven door machine learning, wat betekent dat het enorme hoeveelheden gegevens analyseert om patronen te identificeren. Deze patronen helpen bij het voorspellen van het risiconiveau van huidkanker in een huidplek.

Training van het algoritme:

Onze reis begint met gegevens, meer dan 100.000 afbeeldingen van huidplekken geselecteerd uit 2,9 miljoen foto's, die zijn beoordeeld door onze dermatologen. Deze diverse database herkent alle huidtypen en -condities, en biedt een solide basis voor de training. Door te leren van de afbeeldingen, die door dermatologen zijn beoordeeld, wordt het algoritme secuur in het onderscheiden van verschillende foto's van huidplekken en hun bijbehorende risiconiveaus.

Nauwkeurigheid en betrouwbaarheid:

De echte test van de kwaliteit van ons algoritme komt door het vergelijken van beoordelingen met de gouden standaard, dit zijn bevestigde gevallen van huidkanker door biopsie. Ons algoritme heeft indrukwekkende gevoeligheid getoond, waarbij het algoritme correct huidkanker detecteert in 95% van de huidcontroles. Deze prestatie laat de betrouwbaarheid van het hulpmiddel zien, ondersteund door klinische tests en onderzoek die zijn gepubliceerd in gerenommeerde wetenschappelijke tijdschriften.

Voorkomen van onnodige zorgen:

Met een specificiteit percentage van 80,1% voor goedaardige laesies, blinkt SkinVision ook uit in het identificeren van onschuldige huidplekken. Dit betekent dat veel gebruikers gerustgesteld worden over huidplekken die geen doktersbezoek vereisen, waardoor onnodige zorgen en consultaties worden voorkomen.

Voor meer gedetailleerde klinische onderzoeken en om de nauwkeurigheid van ons algoritme te begrijpen, kun je de volgende bronnen bekijken:

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

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

Referenties:

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.