Model Dermatol– Penyakit kulit

Kecerdasan buatan menganalisis foto yang Anda kirimkan dan segera mencari dokumen medis yang relevan tentang kondisi kulit yang mungkin. Algoritme menyediakan dokumen tentang gangguan kulit umum (misalnya kutil, herpes zoster), kanker kulit (misalnya melanoma), dan ruam kulit lainnya (misalnya biduran). Pada 2022 Stiftung Warentest, organisasi konsumen Jerman, aplikasi ini memperoleh rating kepuasan yang hanya sedikit di bawah layanan teledermatologi berbayar.

- Silakan ambil foto area kulit yang terkena dan kirimkan untuk analisis. Hanya gambar yang dipotong dan diperlukan untuk evaluasi yang ditransfer; kami tidak menyimpan data pribadi Anda.
- Algoritme menyediakan tautan ke sumber medis otoritatif yang menjelaskan tanda dan gejala utama kondisi kulit serta kanker kulit (misalnya melanoma).
- Dengan kemampuan mengklasifikasikan 186 kondisi kulit yang berbeda, algoritme mencakup gangguan dermatologi umum seperti dermatitis atopik, biduran, eksim, psoriasis, jerawat, rosacea, kutil, onikomikosis, herpes zoster, melanoma, dan nevus.
- Aplikasi ini berfungsi semata‑mata sebagai alat pencarian gambar dan 'bukan' platform diagnosis. Nama penyakit yang disajikan melalui tautan tidak merupakan diagnosis pasti untuk kanker kulit atau kondisi dermatologi lainnya. Meskipun informasi yang diberikan bersifat informatif secara medis, sangat penting untuk 'BERKONSULTASI DENGAN DOKTER' sebelum membuat keputusan kesehatan apa pun.
- Penggunaan algoritme ini sepenuhnya 'GRATIS'.

Kami menggunakan algoritma '"Model Dermatology"', yang kinerjanya telah divalidasi dan dipublikasikan dalam berbagai jurnal medis berpeer‑review. Studi kolaboratif telah dilakukan dengan banyak institusi internasional, termasuk Seoul National University, Yonsei University, University of Basel, Stanford University, Memorial Sloan Kettering Cancer Center (MSKCC), dan Ospedale San Bortolo. Publikasi representatif meliputi:
- Assessment of Deep Neural Networks for the Diagnosis of Benign and Malignant Skin Neoplasms in Comparison with Dermatologists: A Retrospective Validation Study. PLOS Medicine, 2020
- Planet-wide Performance of a Skin Disease AI Algorithm Validated in Korea. npj Digital Medicine 2025
- Augmenting the Accuracy of Trainee Doctors in Diagnosing Skin Lesions Suspected of Skin Neoplasms in a Real-World Setting: A Prospective Controlled Before and After Study. PLOS One, 2022
- Performance of a deep neural network in teledermatology: a single center prospective diagnostic study. J Eur Acad Dermatol Venereol. 2020
- Augment Intelligence Dermatology : Deep Neural Networks Empower Medical Professionals in Diagnosing Skin Cancer and Predicting Treatment Options for 134 Skin Disorders. J Invest Dermatol. 2020
- Keratinocytic Skin Cancer Detection on the Face using Region-based Convolutional Neural Network. JAMA Dermatol. 2019
- Classification of the Clinical Images for Benign and Malignant Cutaneous Tumors Using a Deep Learning Algorithm. J Invest Dermatol. 2018
- Evaluation of Artificial Intelligence-assisted Diagnosis of Skin Neoplasms – a single-center, paralleled, unmasked, randomized controlled trial. J Invest Dermatol. 2022>

'Penafian'
- Selalu minta nasihat profesional medis selain menggunakan aplikasi ini sebelum membuat keputusan kesehatan apa pun.
- Diagnosis yang hanya berdasarkan gambar klinis dapat melewatkan hingga 10 % kasus. Aplikasi ini tidak dapat menggantikan evaluasi medis tatap muka standar.
- Output algoritme bukan diagnosis definitif; ia memberikan informasi medis yang dipersonalisasi untuk tujuan referensi dan edukasi saja.