Nieuwsgierig hoe de technologie van SkinVision werkt? Laten we het uiteenzetten:
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 huidvlek.
Training van het Algoritme:
Onze reis begint met gegevens—meer dan 100.000 afbeeldingen van huidvlekken geselecteerd uit 2,9 miljoen foto's beoordeeld door onze dermatologen. Deze diverse database dekt alle huidtypen en -condities, en biedt een solide basis voor training. Door te leren van deze door dermatologen beoordeelde afbeeldingen, wordt het algoritme vaardig in het onderscheiden tussen verschillende foto's van huidvlekken en hun bijbehorende risiconiveaus.
Nauwkeurigheid en Betrouwbaarheid:
De ware test van de kwaliteit van ons algoritme komt van het vergelijken van zijn beoordelingen met de gouden standaard—door biopsie bevestigde gevallen van huidkanker. Hier heeft ons algoritme indrukwekkende gevoeligheid getoond, waarbij het 95% van de tijd correct huidkanker detecteert. Deze prestatie onderstreept de betrouwbaarheid van het hulpmiddel, ondersteund door klinische tests en onderzoek gepubliceerd in gerenommeerde wetenschappelijke tijdschriften.
Voorkomen van Onnodige Zorgen:
Met een specificiteitspercentage van 80,1% voor duidelijk goedaardige laesies blinkt SkinVision ook uit in het identificeren van onschuldige vlekken. Dit betekent dat veel gebruikers gerustgesteld zijn over vlekken die geen doktersbezoek vereisen, waardoor onnodige zorgen en consultaties worden voorkomen.
Voor meer gedetailleerde klinische bewijzen en om de diepte van de nauwkeurigheid van ons algoritme te begrijpen, kunt u de volgende bronnen verkennen:
https://pubmed.ncbi.nlm.nih.gov/31494983/
https://www.karger.com/Article/FullText/520474
Referenties:
- Udrea, A. et al. (2020), Nauwkeurigheid van een smartphone-applicatie voor triage van huidlaesies gebaseerd op machine learning algoritmen. J Eur Acad Dermatol Venereol, 34: 648-655.
- Validatie van een door de markt goedgekeurde kunstmatige intelligentie mobiele gezondheidsapp voor huidkankerscreening: Een prospectieve multicentrische studie naar diagnostische nauwkeurigheid
Opmerkingen
0 opmerkingen
U moet u aanmelden om een opmerking te plaatsen.