沃卡惠
麻省理工學院的一位校友開發了一款移動應用程序，該應用程序使用人工智能對各種皮膚狀況進行分類，從黑色素瘤到帶狀皰疹。
Piction Health由麻省理工學院校友Susan Conover共同創立，旨在幫助初級保健醫生識別皮膚狀況，以便他們可以快速將患者轉診給可能患有危及生命的黑色素瘤的皮膚科醫生。
她從自己發現可疑痣的經歷中受到啟發，但被告知需要三個月才能見到皮膚科醫生。雖然她的痣被證明是良性的，但她意識到需要一個更有效的過程。
最初的目標是根據使用移動應用程序拍攝的圖像識別皮膚癌，但 Conover 和她的聯合創始人 Pranav Kuber 擴展了他們的數據庫，以幫助臨床醫生識別更常見的皮膚狀況，例如痤瘡、濕疹和帶狀皰疹。
“所有這些其他疾病都是皮膚病學中經常提到的疾病，皮膚科醫生會感到沮喪，因為他們更愿意花時間治療皮膚癌病例或其他需要他們幫助的疾病。我們意識到我們需要擺脫皮膚癌，以幫助皮膚癌患者更快地去看皮膚科醫生，”Conover 告訴 SciTechDaily。
訓練一種算法來識別各種皮膚病比僅僅診斷黑色素瘤要復雜得多。Piction 已經積累了它所說的世界上最大的皮疹圖像數據庫，其中包含來自 18 個國家的超過 100 萬張由皮膚科醫生拍攝的照片。
“我們決定最好直接制作完整的產品……它可以識別多個身體部位、膚色和年齡組的所有不同皮疹，”Conover 說。
機器學習工具可以幫助醫生區分皮膚疾病，從而更好地護理患者。Conover 表示，該軟件可以將病例評估時間縮短 30%，這可以加快皮膚科醫生對潛在黑色素瘤病例的處理，同時允許初級保健醫生治療更多的常規病例。臨床醫生診斷出的大多數皮膚病都是皮疹，例如濕疹、紅斑痤瘡或牛皮癬。
該模型還可以通過消除不必要的處方、無根據的轉診或重復就診來降低醫療機構的成本。
Picion 計劃啟動幾個試點項目，包括可以協助傷口治療或識別麻風病等傳染病的平臺。該公司希望與非營利組織合作，以幫助難以獲得專家或診斷工具的臨床醫生。
