Skinive AI помог обнаружить рак кожи у участника EmergeConf

4-5 июня в Минске проходила международная IT-конференция Emerge, которая собрала более 2000 участников с 50 стран.

emergeconf.io
emergeconf.io

В Беларуси (население ~10 млн.) в год врачи диагностируют меланому у 1000 людей, то есть выявляют примерно 3 случая в день. Сегодня вместо врачей меланому обнаружил не врач, а наш Skinive!

Skinive - приложение для скрининга здоровья кожи по фотоснимкам с смартфона и определения типа и уровня угроз образований с помощью компьютерного зрения и машинного обучения.

Ранее мы уже писали на VC.RU о создании нашего прототипа.

Участник конференции, который ради интереса решил проверить свою кожу с помощью приложения Skinive, которое показало меланому с высокой степенью вероятности. Позднее доктор подтвердил диагноз: заболевание удалось обнаружить на ранней стадии, и с пациентом все будет хорошо.

Заключение врача: подозрение на меланому Skinive
Заключение врача: подозрение на меланому Skinive

Попробуйте Skinive, чтобы узнать о состоянии кожи - просто сфотографируйте родинку смартфоном и пришлите в директ.

- Facebook messenger: facebook.com/skinive.bot
- Telegram: t.me/SkiniveBot

За 2 дня конференции мы успели:

  • Проверить здоровье родинок у более чем 200 посетителей конференции Emerge и выявить один случай риска онкологии кожи.
  • Проверить уровень угрозы в клиническом центре пластической хирургии и медицинской косметологии на Богдановича 53, получить направление к дерматологу
  • Пройти дерматоскопическое исследование у дерматологов кож-вен диспансера и получить заключение с подозрением на меланому и направлением на консультацию к онкологу-хирургу
  • Чудом попасть на прием к онкологу-хирургу в 21.00 под конец рабочего дня и пройти дерматоскопическое исследование на FotoFinder.

Биопсию сделают уже после иссечения и удаления новообразования.

Организаторам Emerge очень понравился наша история и на церемонии закрытия конференции рассказали про этот случай с большой сцены, а также показали наш видеоролик, чтобы больше людей обратило внимание на здоровье своей кожи.

Спасибо Emerge!

Skinive на церемонии закрытия конференции Emerge

Для команды Skinive главной победой была спасенная человеческая жизнь, а также море положительных отзывов от новых пользователей Skinive с которыми удалось пообщаться в живую.

Наш путь за 1 год: Мы выросли из прототипа в готовый продукт, который доступен как конечным потребителям.

Мы открыты для интеграции по API/SDK с сторонними разработчиками сервисов и приложений в #digitalhealth и переговоров стадии Seed с HealthCare VC's.

Также мы запустили #SkiniveChallenge - целью которого является дальнейшее исследование и обучение ИИ Skinive новым типам заболеваний кожи.

Stay Tuned!

2121
21 комментарий

Кто-то еще сомневается, что программисты перевернут мир?

8

Перевернут != сделают хорошо.

Интересно, а у скольких человек не обнаружила программа? И эти люди теперь не пойдут к врачу... запустят заболевание... Сомнительно по результату.

2

Интересно, а у скольких человек была неправильная диагностика рака на ранних стадиях в бесплатной / обычной поликлинике? Из за усталости / безразличия / низкой квалификации принимающих врачей и нежелания отправить пациентов на более информативную диагностику с помощью УЗИ КТ МРТ поскольку бесплатно это возможно, но через полгода, хотите сейчас идите в платную клинику.

8

Для кого-то стакан наполовину пуст, для других - наполовину полон

1

Кирилл, отличная история!

Расскажите, как обучали модели, где брали данные, сколько фотографий было в положительных и отрицательных выборках?

1

Спасибо!

История действительно вызвала резонанс в СМИ, благодаря которому мы выявили еще несколько случаев высокой угрозы и в переписке по линии техкоддержки наш дерматолог настоятельно рекомендовал этим лицам пройти обследование у онкологов.

Про начало обучения и источники данных я ранее уже писал на VC https://vc.ru/flood/39122-kak-my-sdelali-telegram-bota-kotoryy-raspoznaet-zabolevaniya-na-kozhe-po-foto

За прошедший год мы значительно увеличили набор данных благодаря собственным источникам, выборки у нас разбиты на положительные, отрицательные и пограничные. Распределение стараемся удерживать в равновесии, т.е. по 1/3