W jaki sposób algorytm SkinVision wykrywa raka skóry?

Ciekawi Cię, jak działa technologia SkinVision? Przyjrzyjmy się temu bliżej

Moc uczenia się:

Podobnie jak ludzie uczą się na podstawie doświadczenia, algorytm SkinVision z czasem poprawia swoją dokładność. Jest on oparty na uczeniu maszynowym, co oznacza, że analizuje ogromne ilości danych w celu zidentyfikowania wzorców. Wzorce te pomagają przewidzieć poziom ryzyka zachorowania na raka skóry w danym miejscu.

Trenowanie algorytmu:

Nasza podróż rozpoczyna się od danych - ponad 100 000 obrazów plam skórnych wybranych z 2,9 miliona zdjęć ocenionych przez naszych dermatologów. Ta zróżnicowana baza danych obejmuje wszystkie typy i warunki skóry, zapewniając solidne podstawy do szkolenia. Ucząc się na podstawie tych sprawdzonych przez dermatologów zdjęć, algorytm staje się biegły w rozróżnianiu różnych zdjęć plam skórnych i związanych z nimi poziomów ryzyka.

Dokładność i niezawodność:

Prawdziwym testem jakości naszego algorytmu jest porównanie jego ocen ze złotym standardem - potwierdzonymi biopsją przypadkami raka skóry. W tym przypadku nasz algorytm wykazał imponującą czułość, prawidłowo wykrywając raka skóry w 95% przypadków. Osiągnięcie to podkreśla niezawodność narzędzia, popartą testami klinicznymi i badaniami opublikowanymi w renomowanych czasopismach naukowych.

Zapobieganie niepotrzebnym obawom:

Ze wskaźnikiem swoistości wynoszącym 80,1% dla wyraźnie łagodnych zmian, SkinVision wyróżnia się również w identyfikacji nieszkodliwych plam. Oznacza to, że wielu użytkowników jest spokojnych o plamy, które nie wymagają wizyty u lekarza, co pomaga uniknąć niepotrzebnych zmartwień i konsultacji.

Aby uzyskać bardziej szczegółowe dowody kliniczne i zrozumieć dokładność naszego algorytmu, możesz zapoznać się z następującymi zasobami:

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

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

Odniesienia:

1. Udrea, A. et al. (2020), Dokładność aplikacji na smartfony do selekcji zmian skórnych w oparciu o algorytmy uczenia maszynowego. J Eur Acad Dermatol Venereol, 34: 648-655.
2. Validation of a Market-Approved Artificial Intelligence Mobile Health App for Skin Cancer Screening: A Prospective Multicenter Diagnostic Accuracy Study.