Algoritmes zijn programma’s (op basis van wiskunde en logica) die door het verkrijgen van meerinformatie worden getraind en beter gaan presteren, vergelijkbaar met mensen die van eerdere ervaringen leren en zichzelf blijven verbeteren.
Een algoritme is de motor van machinaal leren. Het zoekt naar patronen door een enorme hoeveelheid informatie of gegevens te analyseren. Deze patronen worden vervolgens gebruiktom een uitkomst te voorspellen. In dit geval is dat het risico dat een huidplek vormt voorhuidkanker.
Het machinale leerproces van het algoritme van SkinVision begint bij de gegevens, dat wil zeggen bij de meer dan 100.000 afbeeldingen van huidplekken die zijn geselecteerd uit 2,9 miljoen foto’s van gebruikers. Deze worden door ons team van dermatologen beoordeeld en volgens de juiste diagnose geclassificeerd. Dit zorgt ervoor dat we over een grote, gevarieerde en goed gereguleerde database beschikken, waarin alle huidsoorten en huidaandoeningen zijn opgenomen.
De wetenschappers van SkinVision trainen het algoritme met deze afbeeldingen, zodat het patronen kan vinden tussen foto’s van huidplekken en door dermatologen opgegeven risicolabels. Het resultaat is een krachtig hulpmiddel dat deze patronen gebruikt om het risiconiveau van huidplekken te voorspellen via foto’s die door toekomstige gebruikers, zoals u, worden verstrekt.
Om de kwaliteit van onze risicobeoordelingen te kunnen garanderen, testen we ons algoritmevervolgens ten opzichte van de gouden standaard van huidkanker; foto’s van huidplekken waarvan is vastgesteld dat deze huidkanker omvatten. Dit is een procedure waarbij alle soorten huidkanker kunnen worden geïdentificeerd door huidweefsel onder een microscoop te onderzoeken. Op deze wijze kunnen we de gevoeligheid van ons algoritme meten, die, volgens gepubliceerde gegevens (zie hieronder), een indrukwekkende95% heeft gescoord. Dit betekent dat huidkanker in 95% van de gevallen correct wordt vastgesteld door ons algoritme. Dit is ook bewezen via door onafhankelijke medische instellingen en onderzoekers uitgevoerde klinischetests, die in belangrijke wetenschappelijke tijdschriften zijn gepubliceerd.
Ga voor klinisch bewijs van de nauwkeurigheid van ons algoritme naar:https://pubmed.ncbi.nlm.nih.gov/31494983/
Referentie: 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.
Opmerking: Bij SkinVision vinden we uw privacy belangrijk. We zetten ons volledig in om de persoonsgegevens die u met ons deelt te beschermen en veilig te stellen. We begrijpen dat informatie die betrekking heeft op de gezondheid van uw huid en risicobeoordelingen.
