Model Dermatol – 皮肤病，皮肤癌

Android应用分析和审查：Model Dermatol – 皮肤病，皮肤癌，由Iderma开发。在医疗类别中列出。当前版本为V6Q，在 21/11/2025 上更新。根据用户在Google Play上的评论：Model Dermatol – 皮肤病，皮肤癌。超过753 千的安装。 Model Dermatol – 皮肤病，皮肤癌目前有5 千评论，平均评分为4.7星

人工智能分析您提交的照片，并即时检索与潜在皮肤状况相关的医学文献。算法提供关于常见皮肤疾病（如疣、带状疱疹）、皮肤癌（如黑色素瘤）以及其他皮疹（如荨麻疹）的文档。2022 年的 'Stiftung Warentest'（德国消费者组织）评测中，本应用的满意度仅略低于付费远程皮肤科服务。

- 请拍摄受影响的皮肤部位并提交分析。仅传输用于评估的裁剪后图像；我们不存储您的个人数据。
- 算法提供权威医学资源的链接，描述皮肤疾病和皮肤癌（如黑色素瘤）的关键体征和症状。
- 该算法能够分类 186 种不同的皮肤状况，涵盖常见皮肤疾病，如特应性皮炎、荨麻疹、湿疹、银屑病（牛皮癣）、痤疮、酒渣鼻（rosacea）、疣、甲癣 (Onychomycosis)、带状疱疹、黑色素瘤以及痣等。
- 本应用仅作为图像检索工具，'不具备诊断功能'。通过链接内容提供的疾病名称不构成对皮肤癌或其他皮肤疾病的确认诊断。尽管信息具有医学参考价值，仍须'咨询医生'后再作任何健康决定。
- 本算法的使用完全免费。

我们采用 'Model Dermatology' 算法，其性能已在多篇同行评审医学期刊中得到验证并发表。已与多家国际机构合作开展研究，包括首尔国立大学、延世大学、巴塞尔大学、斯坦福大学、MSKCC 以及 Ospedale San Bortolo。代表性出版物包括：
- 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>

* 免责声明
- 在使用本应用的同时，请始终寻求专业医疗建议后再做任何健康决定。
- 仅依据临床图像进行的诊断可能漏掉高达 10% 的病例，本应用不能取代标准的面对面医学评估。
- 算法输出并非最终诊断，仅提供个性化的医学信息供参考和教育用途。

Read more