BrUNO
Et presentem
Un revolucionari detector de càncer de pell amb intel·ligència artificial dissenyat per proporcionar resultats precisos i fiables en qüestió de segons. Dermo ha entrenat aquest model d'avantguarda utilitzant l'última tecnologia i milers d'imatges validades clínicament per garantir que pugui detectar fins i tot els més mínims signes de càncer de pell amb precisió i confiança.
Els algorismes avançats del nostre model analitzen imatges de lesions cutànies amb un alt grau de precisió, proporcionant als usuaris un informe complet que destaca qualsevol àrea de preocupació. Les capacitats de BrUNO es milloren i es perfeccionen constantment, de manera que pots confiar que sempre rebràs els resultats més precisos i actualitzats.
Al final del dia, la salut de la teva pell és crucial i BrUNO està aquí per oferir-te la tranquil·litat que necessites per prendre el control de la teva cura de la pell.
Amb la seva tecnologia avançada, l'enfocament fàcil d'utilitzar i la millora constant, BrUNO és el detector de càncer de pell alimentat per IA per a qualsevol persona que valora la precisió i la fiabilitat.
Motivació
El melanoma causa 60.000 morts cada any, 1 persona cada 9 minuts. Més de 320.000 persones són diagnosticades cada any amb alguna malaltia dermatològica. A més, segons l'OMS, la meitat de la població no té accés a la sanitat pública en condicions adequades, però sí que té accés al telèfon mòbil i a internet.
Estem impulsats per la missió de millorar la vida de les persones mitjançant la tecnologia. Amb la creació d'aquest model d'IA, esperem oferir a les persones una eina que pugui ajudar a identificar un possible càncer de pell des del principi, donant-los la millor oportunitat per a un tractament i una recuperació exitosos. El nostre objectiu és utilitzar el poder de la tecnologia per tenir un impacte positiu en la vida de les persones, i creiem que aquest model d'IA és un pas en aquesta direcció.
Limitacions de BRUNO-1
Limitat a l'anàlisi d'imatges:BrUNO-1 es limita a analitzar imatges de lesions cutànies i no pot detectar càncer de pell a partir d'altres formes de dades mèdiques, com ara anàlisis de sang o biòpsies.
Limitat per dades de formació:L'eficàcia de BrUNO depèn de la qualitat i diversitat de les dades de formació que ha rebut. En alguns casos, les dades d'entrenament estan limitades per l'ampli ventall de tipus de pell, per tant, pot ser que no funcionin tan bé com s'esperava.
Falsos positius i falsos negatius:Tot i que BrUNO està dissenyat per ser altament precís, no és infal·lible. Existeix el risc de falsos positius, que podrien donar lloc a un tractament mèdic innecessari, o de falsos negatius, que podrien provocar un càncer de pell no diagnosticat.
No es pot substituir un professional mèdic:Tot i que BrUNO pot proporcionar un diagnòstic inicial, no pot substituir l'experiència d'un professional mèdic format. És important consultar sempre amb un metge o dermatòleg per a una avaluació exhaustiva de qualsevol problema de la pell.
Darrere de la IU
BrUNO és un model d'aprenentatge automàtic que es va crear mitjançant la biblioteca de programari de codi obert TensorFlow. TensorFlow és un marc per desenvolupar models d'IA que permet construir i entrenar models de manera eficient. Es crea un model TF definint l'arquitectura de xarxa utilitzant un llenguatge de programació d'alt nivell, en aquest cas Python. A continuació, s'entrena el model en un conjunt de dades utilitzant diversos algorismes d'optimització per ajustar els pesos de la xarxa, minimitzant l'error entre les sortides previstes i reals.
El procés d'entrenament implica alimentar les dades d'entrada al model, calcular l'error entre la sortida prevista i real i, a continuació, actualitzar els paràmetres del model per reduir l'error. Aquest procés es repeteix durant un gran nombre d'èpoques fins que el model aconsegueix un nivell de precisió satisfactori. Un cop entrenat, es pot utilitzar per fer prediccions sobre dades noves.
CONSULTA LA BASE DE DADES QUE HEM UTILITZAT PER A LA NOSTRA FORMACIÓ PRINCIPAL
Allotjat i construït amb Streamlit
Streamlit és una biblioteca Python de codi obert que permet als desenvolupadors crear fàcilment aplicacions web per a projectes de ciència de dades i aprenentatge automàtic. Permet als desenvolupadors crear aplicacions web interactives en temps real sense involucrar-se en un desenvolupament web difícil o JavaScript.
Dermoverse utilitza Streamlit per crear una aplicació web interactiva per als usuaris que actua com a pont entre ells i el model BrUNO-1. Aquesta aplicació web permet als usuaris pujar una imatge d'una lesió cutània i retorna la predicció d'aquesta foto.
Fase següent: multi-malaltia
Data anunciada aviat