Sind die Algorithmen von Legit.Health wissenschaftlich validiert?
Einführung
Als Entwickler von Technologien für das Gesundheitswesen ist es wichtig, die wissenschaftliche Grundlage neuer Tools zu hinterfragen. In diesem Artikel erläutern wir die solide klinische Validierung und das Peer-Review-Verfahren, das unsere Technologie durchlaufen hat und das unser Streben nach faktenbasierten Lösungen widerspiegelt.
Die hier aufgeführten Veröffentlichungen umfassen nicht unsere gesamte Arbeit. Sie enthalten auch keine Nachweise, die wir den Zertifizierungsstellen im Rahmen unseres Zertifizierungsprozesses als Medizinprodukt vorgelegt haben. Es handelt sich also nicht um eine umfassende Liste, sondern eher um eine Zusammenfassung unserer wichtigsten Nachweise.
Kurze Antwort
Ja, Legit.Health wurde in verschiedenen Bereichen des Gesundheitswesens von führenden Spezialisten auf ihrem Gebiet klinisch validiert. Unsere Technologie hat ihre Effektivität bei der Verbesserung von Diagnose und Nachsorge bewiesen, wobei sich spezifische Studien auf bestimmte Pathologien konzentrieren, um die Sensitivität und Präzision zu bewerten.
Mehrere dieser Studien wurden in renommierten Fachzeitschriften der Dermatologie veröffentlicht, andere befinden sich in unterschiedlichen Stadien der Veröffentlichung. Darüber hinaus stellen wir während des Zertifizierungsprozesses als Medizinprodukt auch klinische Nachweise zur Verfügung, von denen einige nicht öffentlich zugänglich gemacht wurden.
Möchten Sie die klinische KI-Technologie in Aktion sehen?
Ausführliche Antwort
Die Technologie hinter Legit.Health ist komplex und vielschichtig. Hinter einem scheinbar einfachen Vorgang für den Benutzer stehen mehrere Algorithmen, die miteinander interagieren. Unsere Technologie integriert mehrere Algorithmen, um nicht nur den Schweregrad der Erkrankung zu diagnostizieren und zu bewerten, sondern auch die Überweisungsgenauigkeit zu optimieren, die Bildqualität sicherzustellen und die Wirksamkeit der Behandlung zu beurteilen.
Atopische Dermatitis
Unsere ASCORAD-Studie (Automatic SCORing of Atopic Dermatitis), eine Zusammenarbeit mit Dr. Ramon Grimalt, wurde im Journal of Investigative Dermatology (JID) Innovations veröffentlicht. Diese Studie beschreibt unseren Ansatz zur Automatisierung der Bewertung des Schweregrads von atopischer Dermatitis und Ekzemen.
Medela, A., Mac Carthy, T., Aguilar Robles, S. A., Chiesa-Estomba, C. M., & Grimalt, R. (2022). Automatic SCOring of Atopic Dermatitis Using Deep Learning: A Pilot Study. In JID Innovations (Vol. 2, Issue 3, p. 100107). Elsevier BV. https://doi.org/10.1016/j.xjidi.2022.100107
Diese Arbeit wird auch in der jüngsten wissenschaftlichen Literatur anerkannt und hat das Potenzial, die Bewertung des Schweregrads von atopischer Dermatitis zu revolutionieren.
(...) sehr vielversprechend ist der Versuch, durch die Verwendung von CNNs eine automatische Definition des Schweregrads von AD zu erreichen (...), um eine Bewertungsgenauigkeit von Erythem, Papulation, Exkoriation und Lichenifikation zu erzielen, die mit der von Dermatologen vergleichbar ist (...). Computergestützte, anwendungsbezogene Fortschritte in dieser Richtung haben zur jüngsten Entwicklung des Automatic SCORing Atopic Dermatitis (ASCORAD) geführt.
Erfahren Sie in diesem Webinar (auf Spanisch) mehr über ASCORAD von seinen Autoren.
In diesem Video (auf Spanisch) erklären Dr. Ramon Grimalt und Alfonso Medela, beide Mitautoren der Veröffentlichung, worum es in der Veröffentlichung geht.
Hidradenitis Suppurativa
Das AIHS4, unser neues System zur Bewertung von Hidradenitis Suppurativa, wird in Skin Research and Technology ausführlich beschrieben. Diese Studie ist ein Beispiel für unser Engagement bei der Entwicklung praktischer KI-Lösungen für komplexe dermatologische Erkrankungen.
Hernández Montilla, I., Medela, A., Mac Carthy, T., Aguilar, A., Gómez Tejerina, P., Vilas Sueiro, A., González Pérez, A. M., Vergara de la Campa, L., Luna Bastante, L., García Castro, R., & Alfageme Roldán, F. (2023). Automatic International Hidradenitis Suppurativa Severity Score System (AIHS4): A novel tool to assess the severity of hidradenitis suppurativa using artificial intelligence. In Skin Research and Technology (Vol. 29, Ausgabe 6). Wiley. https://doi.org/10.1111/srt.13357
Das AIHS4 wurde in neueren wissenschaftlichen Veröffentlichungen aufgegriffen, wie z. B. in dem folgenden Artikel des Nationalen Forschungsrates von Italien und der Universitäten von Palermo und Messina:
(...) um das IHS4 zu überwinden, das zeitaufwendig ist und Schwankungen unterliegt, wird das AIHS4 eingeführt, das ein DL-Modell, Legit.Health-IHS4net, für die Läsionserkennung verwendet (...). Diese Erkenntnisse unterstreichen den Nutzen der KI in der faktenbasierten Dermatologie und bieten ein potenzielles Werkzeug, um Dermatologen in der täglichen Praxis und bei klinischen Studien zu unterstützen.
Wir haben das IHS4 auch auf mehreren Kongressen vorgestellt. Das folgende Bild zeigt zum Beispiel unser Poster auf dem nationalen spanischen Dermatologiekongress (AEDV) 2022.
Legit.Health Forschungsteam präsentiert das AIHS4-Poster
Urtikaria (Nesselsucht)
Das System Automatic Urticaria Activity Score (AUAS) wurde im Journal of Investigative Dermatology (JID) Innovations veröffentlicht. Darin wird unser auf Deep-Learning basierender Ansatz zur Bewertung des Schweregrads von Urtikaria vorgestellt.
Mac Carthy, T., Hernández Montilla, I., Aguilar, A., García Castro, R., González Pérez, A. M., Vilas Sueiro, A., Vergara de la Campa, L., Alfageme, F., & Medela, A. (2024). Automatic Urticaria Activity Score: Deep Learning-Based Automatic Hive Counting for Urticaria Severity Assessment. In JID Innovations (Vol. 4, Ausgabe 1, S. 100218). Elsevier BV. https://doi.org/10.1016/j.xjidi.2023.100218
Unsere Arbeit am AUAS wurde auf Kongressen wie der AEDV-Jahrestagung im Jahr 2021 vorgestellt. Das folgende Video zeigt eine kurze Erläuterung des AUAS auf dem oben erwähnten Kongress:
In diesem Video (auf Spanisch) erklärt Taig Mac Carthy, Mitautor der Publikation , auf dem Jahreskongress der Spanischen Akademie für Dermatologie, wie das automatische UAS funktioniert.
Bildqualität
Wir veröffentlichen auch unsere Forschungsergebnisse über die nicht-diagnostische Technologie. Dies ist der Fall bei der Technologie „Dermatology Image Quality Assessment (DIQA)“, die den klinischen Nutzen von Bildern für Fernkonsultationen und klinische Studien gewährleistet. Dies wurde im Journal of the American Academy of Dermatology veröffentlicht.
Hernández Montilla, I., Mac Carthy, T., Aguilar, A., & Medela, A. (2023). Dermatology Image Quality Assessment (DIQA): Artificial intelligence to ensure the clinical utility of images for remote consultations and clinical trials. In Journal of the American Academy of Dermatology (Vol. 88, Issue 4, pp. 927-928). Elsevier BV. https://doi.org/10.1016/j.jaad.2022.11.002
In diesem Video (auf Spanisch) erklärt Taig Mac Carthy, Mitautor der Publikation , wie die künstliche Intelligenz für die Überweisung von Patienten funktioniert, einschließlich der Bildqualitätssicherung , auf dem Jahreskongress der spanischen Akademie für Dermatologie .
Vortrag auf dem Jahreskongress der Spanischen Akademie für Dermatologie (AEDV).
Psoriasis
Unsere Arbeit an APASI, dem von unserem Team entwickelten Automatic Psoriasis Scoring System, wurde von der AEDV mit einem Preis in der Kategorie Medizinische Bildgebung ausgezeichnet.
Weitere Forschung
Wir arbeiten auch intensiv daran, unsere Technologie in neue Bereiche des medizinischen Wissens zu implementieren, wie im Fall unserer Zusammenarbeit mit Dr. Sergio Vañó und seinem Team am Krankenhaus Ramon y Cajal, die bei der Anwendung der KI-Technologie zur Messung des Schweregrads der frontalen fibrosierenden Alopezie (FFA) eine Vorreiterrolle spielen.
Ein weiteres Beispiel dafür, wie das Team von Legit.Health den Anwendungsbereich der Deep-Learning-Algorithmik auf die Medizin ausweitet, ist die Gesichtslähmung. Dr. Goiztidi Díaz Basterra, Dr. Luis Barbier Herrero und Dr. Estíbaliz Ortiz de Zárate leiten am Basurto Hospital ein Projekt zur Anwendung dieser revolutionären Technologie in diesem Bereich.
Ein gutes Beispiel ist die umfangreiche klinische Studie, die Dr. Leticia Calzado am Krankenhaus Torrejon leitet, wo sie und ihr Team die computergestützte Diagnose mit hervorragenden Ergebnissen validieren.
Möchten Sie die klinische KI-Technologie in Aktion sehen?
In einigen Fällen haben die vielversprechenden Ergebnisse die Forschungsteams dazu veranlasst, den Umfang der Studie zu erweitern. Wie die Studie, die in den Krankenhäusern Cruces und Basurto unter der Aufsicht von Dr. Jesús Gardeazabal und Dr. Rosa María Izu Belloso durchgeführt wird, um die Möglichkeiten der computergestützten Diagnose bei Melanomen zu untersuchen.
Arbeiten Sie mit uns
Bei Legit.Health arbeiten wir daran, die Technologie weiter zu verbessern, um noch bessere Tools zu entwickeln. Dazu gehört zum Beispiel die Verbesserung der Unterscheidung zwischen verschiedenen Arten von HS-Läsionen oder die Gewährleistung, dass die Technologie bei allen Hautfototypen korrekt funktioniert.
Wenn Sie mit uns zusammenarbeiten möchten, füllen Sie bitte das folgende Formular aus und wir werden uns so schnell wie möglich mit Ihnen in Verbindung setzen.
This free 23-day trial of Legit.Health gives clinics and hospitals a hands-on look at how to drive increased adherence and improve patient outcomes, as well as improving efficiency and overall quality of life.