Model Dermatol – Huidziekte

Kunstmatige intelligentie scant de aangeleverde foto’s en helpt direct bij het identificeren van uw huidprobleem. Kunstmatige intelligentie levert relevante medische documenten over veelvoorkomende huidstoornissen (bijvoorbeeld wratten, gordelroos), huidkanker (bijvoorbeeld melanoom) en andere huiduitslag (bijvoorbeeld netelroos). In de 2022‑editie van Stiftung Warentest, een Duitse consumentenorganisatie, behaalde deze applicatie tevredenheidsscores die slechts iets lager lagen dan die van betaalde teledermatologie‑diensten.

- Maak foto’s van het getroffen huidgebied en dien ze in voor analyse. Alleen de bijgesneden afbeeldingen die nodig zijn voor evaluatie worden overgedragen; wij slaan uw persoonlijke gegevens niet op.
- Het algoritme biedt links naar gezaghebbende medische bronnen die de belangrijkste tekenen en symptomen van huidziekten en huidkanker (bijvoorbeeld melanoom) beschrijven.
- Met de mogelijkheid om 186 verschillende huidcondities te classificeren, omvat het algoritme veelvoorkomende dermatologische aandoeningen zoals atopische dermatitis, netelroos, eczeem, psoriasis, acne, rosacea, wratten, onychomycose, gordelroos, melanoom en naevus.
- Deze applicatie functioneert uitsluitend als een beeld‑zoektool en is GEEN diagnostisch platform. De via gekoppelde inhoud genoemde ziekten vormen geen bevestigde diagnose van huidkanker of andere dermatologische aandoeningen. Hoewel de verstrekte informatie medisch informatief is, is het essentieel om een arts te raadplegen voordat u gezondheidsbeslissingen neemt.
- Het gebruik van dit algoritme is volledig GRATIS.

We maken gebruik van het algoritme “Model Dermatology”, waarvan de prestaties zijn gevalideerd en gepubliceerd in meerdere peer‑reviewed medische tijdschriften. Samenwerkingsstudies zijn uitgevoerd met talrijke internationale instellingen, waaronder Seoul National University, Yonsei University, Basel University, Stanford University, MSKCC en Ospedale San Bortolo. Representative publicaties omvatten:
- 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>

* Disclaimer
- Zoek altijd professioneel medisch advies op, naast het gebruik van deze applicatie, voordat u gezondheidsbeslissingen neemt.
- Diagnoses uitsluitend op basis van klinische beelden kunnen tot 10 % van de gevallen missen. Deze applicatie kan de standaard zorg (persoonlijk onderzoek) niet vervangen.
- De output van het algoritme is geen definitieve diagnose; het biedt gepersonaliseerde medische informatie uitsluitend ter referentie en educatieve doeleinden.