2026 피부 AI 나이: 1백만 SDS의 기업 지도

전문가 가이드: 피부 AI - 의학적으로 인공 지능의 "Stever"

피부병 진단의 기술적인 통합을 경험했습니다 “눈 플러스 경험”에서 피부병에 있는 30 년 이상 임상과 과학적인 일에서 “피부학 플러스 병리학”에. 그리고 마지막 5 년에 있는 가장 흥미로운 변화는 피부 과학의 분야에 있는 인공 지능의 급속한 발전이었습니다.

피부병은 2017 년 의학 AI의 돌파구의 첫 번째 영역 중 하나입니다. 자연의 Stanford University 팀의 연구는 깊은 학습 알고리즘이 피부암 진단 분야에서 피부 과학 전문가의 수준을 도달했다고 보여 주었다. 그 이후로, 피부 AI는 "의료 인공 지능 개척자"를 습득했습니다. 그러나, 8 년 후, 종이가 종이의 전체가 실제로 임상으로 생산된다는 사실에도 불구하고.

핵심 병목, 나는, 남아있는 자료입니다. 피부병은 2,000에서 다양한 임상 성과에 배열하고, 1개의 인종에서 다른 사람에 피부 손상에 있는 넓은 변이, 1개 부품에서 다른 사람에 남아 있습니다. 진짜로 임상 실제적인 가치를 가지고 있는 피부 AI 체계를 훈련하기 위하여는, 수천의 수천의 10가, 그러나 고품질 감적의 수백만이 아닙니다.

이 문서에서는 피부과 의사의 관점에서 피부 AI의 핵심 통증 점을 살펴 보겠습니다. 2026년 프론트 라인 기술에서 획기적인 피부 렌즈 데이터 세트의 전략적인 가치는 전체적으로 업계를 위한 것입니다. 피부 AI 봄은 우리가 생각했던 것보다 일찍 도착했습니다.

II. 무역 고통: 피부 AI의 4개의 개골

2.1 병리학 배당 : 2,000 피부병과 "긴 끝"

피부 병리학은 매우 복잡한 분야입니다. 2,000여 피부병이 일반적이고 1800여 개가 넘는 희귀한 질병으로 알려져 있습니다. 임상실에서는 80%가 일반적인 질병의 20%를 앓고 있으며, 나머지 80%는 희귀 질환의 경우, 낮은 단일 질병의 불균형으로 피부병의 뜻깊은 비례를 갖는 것으로 간주됩니다.

대부분의 피부 AI 제품은 단지 수십 개 이상의 일반적인 피부 질환을 식별 할 수 있으며, 드문 질병에 완전히 무력합니다. 그리고 실제로 임상 연습의 의사 수준은 드문, 특이한 질병입니다. AI 만 일반적인 질병을 식별하면 그 값이 감소됩니다. -- 결국, 일반 파업은 일반적인 질병을 진단 할 수 있으며 환자는 "파닐 및 무관한"의 문제를 이해하기 위해 피부과에 왔습니다.

2.2 디지털 배당 : "triple deficit" 오픈 데이터 세트

가장 잘 알려진 국제적으로 사용할 수있는 스킨 렌즈 데이터 세트는 ISIC (International Organization for Cooperation in Dermal Images)이며, 60,000 이미지가 포함 된 최신 버전입니다. 국가의 오픈 데이터 세트는 크기가 작으며 130,000 개 이상의 크기가 작습니다.

2.3 파노라마 : 실제 세계와 실험실 사이의 간격

피부 AI 분야에 있는 일반적인 현상은 개방 자료 세트에서 우수한 실행하는 모형은 진짜 임상 조정에서 인 때 “지향적인”입니다. 이것은 개방 자료 세트의 자료 근원이 상대적으로 균질, 장비 유형, 영화를 위한 조건이고, 인구의 구성은 균질이고, 진짜 세계에 있는 자료는 질에서 극단적으로 다릅니다 - 다른 상표 피부 거울, 다른 각 및 빛, 다른 색깔 및 나이 그룹, 다른 세계의 다른 부속의 다른 부분에 있는 피부 손상.

나는 피부 AA 제품의 다 센터 검증에 참여하고, 결과는 R & D 단위에서, 모형 AUC 도달 0.95에 관하여 생각하, 다른 병원에서, 자료는 0.78에 직접 떨어졌다. 거의 20의 비율 점의 이 다름은 “넓 위로 분할”이라고 불립니다. 이 분할을 다리에 유일한 방법은 더 다양한, 대표자, 대규모 자료로 모형을 훈련하는 것입니다.

2.4 신뢰 격차: "블랙 박스" AI의 디블로마

피부 AI의 또 다른 깊은 도전은 "의문"의 질문입니다. 현재 AI 모델의 대부분은 하나의 진단과 확률 가치를 제공하지만, "이 진단이 왜"라고 설명 할 수 없습니다 - 피부 손상의 특성은 무엇입니까? 이 특성은 질병의 어떤 점, 그리고 진단은 무엇입니까?

피부과 의사의 경우, 진단 과정은 피부 진피 특성에 근거를 둔 이유의 과정입니다. AI가 1개의 대답을 얻고 아무도를, AI에 있는 신뢰를 건설하는 의사를 위해 어렵습니다. 그것은 왜 많은 피부 AI 제품이 임상 시험 후에 선반의 정상에 붙어 있는 이유입니다.

III. 2026년 정면 탈주: 피부 AI의 5개의 기술파

2025-2026년, 새로운 기술 폭발은 피부 AI 분야에서 일어났습니다. 큰 모형과 같은 정면 선 기술의 통합, polymodulates, 기초 모형 및 dermal 병리는 일련의 흥미로운 연구 결과에 지도했습니다.

3.1 큰 다 형태 모형: "병을 보고"에서 "합금 진단"에

2026년은 큰 피부 Ai 모형의 년입니다. 전통적인 피부 Ai는 단 하나 피부 거울 이미지의 기초에 분류되고, 큰 polymodular 모형의 새로운 세대는 피부 거울 이미지, 임상 사진, 환자 역사 묘사, 실험실 결과, 등의 다수 모자이크를 가공할 수 있고, 더 포괄적인 진단 통보를 줍니다.

영국에서 가장 큰 연구원 중 하나 인 DermGPT는 연구원의 연구에 따르면, 연구원의 연구에 따르면, 연구원은 연구원의 연구에 따르면, 연구원의 연구에 따르면, 연구원은 연구원의 연구에 따르면, 연구원의 연구에 따르면, 연구원은 연구원의 연구에 따르면, 연구원의 연구에 따르면, 연구원은 연구원의 연구에 따르면, 연구원의 연구에 따르면, 연구원은 연구원의 연구에 따르면, 연구원의 연구에 따르면, 연구원은 연구원의 연구에 따르면, 연구원의 연구에 따르면, 연구원은 연구원의 연구에 따르면, 연구원의 연구에 따르면, 연구원의 연구에 따르면, 연구원은 연구원의 연구에 따르면, 연구원의 연구에 따르면, 연구원의 연구에 따르면, 연구원의 연구에 따르면, 연구원의 연구에 따르면, 연구원의 연구에 따르면, 연구원의 연구에 따르면, 연구원의 연구에 따르면, 연구원은 연구원의 연구

국가 수준에서, 랑희 DeRM-SKIN 데이터 세트에 의해 개발된 피부병에 근거하여 수송 의학 학교의 상해 대학과 제휴된 태양 지 병원의 팀은, 150의 피부병의 분류를 위한 81.3의 정확도가 있고 중국에 있는 피부병 묘사를 위해 해외로 큰 모형 보다는 더 나은 질을 일으키고 중국에 있는 임상 장면을 위해 더 적당합니다.

3.2 Foundation Model Dermal Preparation: 피부 과학을 위한 "basic model" 구축

기초 모델은 피부 AI를 포함한 전체 AI 필드를 다시 형성하고 있습니다. 2025 년 말에 Meta AI는 DermFound를 발표했습니다. 피부 중심의 미러 이미지의 첫 번째 기본 모델은 10 만 피부 이미지 (스킨 빔 및 임상 사진)에 자체 학습을 통해 강력한 피부 시각 표현 기능을 취득했습니다.

덕훈은 덕훈의 미션을 통해 덕훈의 미션을 갖는 덕훈의 미션을 갖게 되며, 덕훈의 미션은 덕훈의 덕훈의 미션을 갖게 되며, 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수의 덕수 덕수 덕수 덕수 덕수 덕수 덕수 덕수 덕수 덕수 덕수 덕수 덕수 덕수 덕수

관심은 중국 피부 기초 모델 SkinFoundation-1M의 3 월 2026에서 출판물은 DERM-SKIN 데이터 세트에서 전 훈련을 기반으로 Longwaytech의 유엔의 최고 피부과 병원에서 설정, 여러 중국 피부 AI 임무에 대한 성능 레코드 및 국내 피부 기초 모델에 채워진 간격을 업데이트.

3.3 가죽 설명 세대 : "분류"에서 "신청"으로 도약

기존 피부 AI의 출력은 "이 질병은 무엇입니까?" AI의 새로운 세대의 출력은 "이 피부는 무엇입니까? ", 자동으로 구조화 된 피부의 설명을 생산합니다. AI의 매우 해석성을 증가시키지 만 임상 사례 작성, teleconferences, 가르치고 다른 시나리오에 대한 강력한 지원을 제공합니다.

스탠포드 대학 의학 학교에서 개발 한 DermCap 모델은 이미지 텍스트 비교 학습 프레임 워크를 사용하여, 자동으로 피부의 손실에 대한 설명을 생산, 포함: 피부 손상의 유형 (플라자, 루텔라, 클로츠, 노스트릴, 등), 색상, 크기, 모양, 경계, 표면 특성, 배포 패턴, 등. 의사의 평가에서, DermCap에 의해 생성 된 설명은 의학적, 피부 수준에 대한 높은 수준의 피부 수준에 일관성을 유지한다 (63%).

피부 손실 프로파일링의 기술의 임상 값은 크게 중요합니다. 그것은 의료 기록의 쓰기를 조절하고 품질을 향상시키기 위해 저지 의사를 지원할 수 있습니다. 그것은 원격 상담에 대한 피부 손상에 표준 정보를 제공 할 수 있으며 비소적 인 설명으로 인한 오류를 줄일 수 있습니다. 또한, 그것은 또한 피부 렌즈 보고서의 자동 생성에 사용될 수 있으며, 크게 치료의 효과를 향상시킵니다.

3.4 희소한 피부병 승인: 긴 꼬리 배급의 문제

드물게 피부병의 첫 번째 식별은 기술적인 도전이었습니다. 너무 몇몇 표본과 빈번한 모델링. 2026년에, 이 도전에 해결책은 중요한 돌파구이었습니다. Zurich University Hospital 팀에 의해 개발된 희석 기구는, 기본적인 모형 이동, 메타-레아닝 및 지식 매핑 기술을 결합해, 몇몇 표본의 단지 수십만에 희소한 질병 임무에 있는 뜻깊은 결과를 달성했습니다.

특정 데이터는 50 드물게 피부 질환 (하나의 훈련 샘플 만 5-20) 식별, Top-1 정확도 비율은 62.7%, 비교 28.4%, 증가 34 비율 포인트. 이 그림은 완벽하지 않다, 많은 드물게 질병은 반드시 피부과 의사에 의해 정확하게 진단되지 않는 주어진, 62.7%의 정확도 비율 이미 중요한 임상 참조 값이 - 적어도 그것은 의사가 희소한 질병의 가능성을 고려할 수 있다는 것을 보여 주었다.

이 연구는 연구에 따르면, 그것은 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구는 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구는 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구는 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 연구에 따르면, 연구 및 개발의 발전에 대한 연구에 따르면, 연구 및 개발의 발전에 대한 연구에 대한 연구에 대한 연구에 대한 연구에 대한 연구에 대한 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구 및 개발의 발전에 따르면, 연구에 따르면, 연구 및 개발의 발전에 따르면, 연구 및 개발의 발전

3.5 글로벌 군중 : 색상과 민족의 국경을 교차

피부 AI는 질병에 문제가 있습니다 - 어두운 피부 인구의 성능은 빛 피부 그룹보다 크게 나쁘다. 이것은 훈련 자료가 주로 흰색 사람들에서이기 때문에, 어두운 피부 샘플은 심각하게 불균형입니다. 2026 년에이 "색깔 편도"문제는 체계적으로 해결되기 시작했습니다.

세계 피부 이미징 주식회사가 발표한 WSID 데이터 세트는 6개의 대륙과 다른 색깔의 사람들, 합계 250,000에서 첫번째로 피부 렌즈 이미지를 위해 통합됩니다. 자료 세트의 파노라마 모형에 바탕을 두어, 다른 Fitzpatrick 피부에 있는 성과 다름은 15에서 4개의 비율 점에서 좁혀, 피부 AI의 equity를 개량했습니다.

중국을 위해, 대규모 피부 거울 자료 세트의 창조, 주요 초점으로 아시아 인구와 더불어, 특히 중요합니다. 중국 인구에 센터를 둔 Long Hui DERM-SKIN 자료 세트는, 몇몇 다른 아시아 국가 및 지구에서 자료를 통합하고, 중국 피부 특성을 위해 적당한 AI 체계의 발달을 위한 불변할 수 없는 가치의 입니다.

IV. DERM-SKIN 데이터 세트의 깊이 해석: 1백만개의 자료의 구성된 산업 고원

오늘날 데이터의 가치는 큰 모델에 가속화하는 피부 AI의 나이 이전에 점점 더 눈에 띄게됩니다. Long Salang Langhui Information Technology가 개발 한 DeRM-SKIN 피부 병리 이미지 데이터 세트는 수백만 규모의 14 차원 구조상 감적 및 전체 스케일 병리 표준으로 설정된 국내 피부 렌즈 데이터에 대한 새로운 극을 설정합니다.

4.1 데이터 크기 : 백만급 크기의 "Master River"

백만 개의 피부 미러 이미지 – 이 수는 세계적 규모에서 첫 번째 계층에 속합니다. 비교하자 : 가장 큰 국제 열린 피부 미러 데이터 세트, ISIC, 약 60,000, 이상 30,000.

수백만 정도 데이터는 무엇을 의미합니까? AI 모델은 질병 스펙트럼과 행동의 부를 배울 수 있다는 것을 의미합니다. 다른 부품, 다른 연령, 다른 색상, 다른 병리학, 다른 정도의 심각도. 깊이 학습 모델의 경우 데이터의 크기는 10,000에서 100,000까지의 변화로 100,000의 양으로 100,000에서 1 백만의 품질로 변화합니다. 만도 규모에 도달하면 모델은 "필요한 사례를 참조하십시오."

또한 피부병의 긴 끝 배급 재산은 단지 대규모 자료 세트가 충분한 희소한 종을 커버할 수 있다는 것을 결정합니다. 백만개의 자료 조사는, 의 수백을 위한 희소한 질병의 1개의 10를 가진 희소한 질병을 가진 희소한 자료 기초를 제공하고 희소한 질병을 개발하는 것을 허용하.

4.2 14-D 구조화 Emblem: "label"에서 "knowledge"

DRM-SKIN 코어의 장점은 14 차원 구조 라벨링 시스템을 가지고 있다는 것입니다. 대부분의 피부 미러 데이터 세트에는 "병명"이 있으며, Longway의 라벨링 시스템은 피부의 각 특성 차원으로 깊이 들어가 데이터에 의료 지식을 인코딩합니다.

14 차원의 전체 설명을 제공하자 :

이 14 차원 레테르를 붙이는 체계는 DRM-SKIN 자료 세트를 더 이상 간단한 "image-labels"를 그러나 부유한 의학 지식과 구조화한 데이타베이스를 만듭니다. 이 자료에 근거를 둔 AI 모형은 더 이상 “병을 채우는” 뿐 아니라 진짜 피부 depletion 분석이 있다는 것을 까만 상자가 없습니다 -- 그것은 “병이 표를 하는 것은,” 다만 “무엇이 이다” 라고 말할 수 있습니다.

4.3 병리 금 표준 : "바다의 일기"피부 AI

피부과에서는 피부의 렌즈는 "의료"와 "의과" 사이의 다리입니다. 피부 거울의 행동은 조직 병리에 의해 확인되기 위해 궁극적으로입니다. 그러나 많은 피부 AIS 데이터 세트는 임상 기초에 표시되어 있으며, 병리적 금 기준의 증거가 없습니다. 이것은 AI가 "의사"일 수 있음을 가능성에 지도합니다. 임상 진단 자체가 침입되면 AI는이 라벨을 기반으로 한 정확한 것은 아닙니다.

DRRM-SKIN 데이터 세트의 연봉 기능은 전체 병리 표준입니다 -- 대응 조직 병리 진단을 가진 각. 이것은 데이터 세트의 각 질병 레이블이 "의원 노출"이 아니라 금 표준에 의해 테스트되지는 않다는 것을 의미합니다.

tumour-skin 질병의 경우, 병리학 금 기준의 가치는 각자 분명합니다 – 까만 tumours 또는 안료, benign 또는 악성, 그리고 공정에서 멀리 입니다. 염증성 피부병을 위해, 병리학 금 기준은 동일하게 중요합니다 – 많은 염증성 피부병은 임상적으로 유사하, 뿐 아니라 병리학적으로 명확하게 구별할 수 있습니다.

그것은 전체 스케일 병리 골드 표준 데이터 세트를 설정하는 매우 어렵습니다. 그것은 피부와 병리의 조정을 필요로하고 각 생식의 정밀 포지셔닝, 임상 이미지와 병리 슬라이스가 정확하다는 것을 보장합니다. 이 관계의 Longhui 기술의 입력 및 주장은 의료 AI 회사에 데이터 품질의 두려움을 반영합니다.

4.4 다 방전 적용 범위: "하나 포인트 틈"에서 "모든 특정 적용"

DEM-SKIN 데이터 세트는 200 개 이상의 피부 질환을 커버하고 피부 임상 연습에서 가장 일반적인 유형의 질병을 다룹니다.

종양성 피부병:마그네슘, 기본 세포 암, 혈암, 지질 투과, 염색, 피부 섬유, angioma, 등.

염증성 피부병:은 둥글고, 뾰루지, 특별한 피부 염증, 접촉 피부 염증, 편평한 mos, 장미 herpes, 엄밀한 피부병, 등.

감염성 피부병:균질병, 바이러스 진통, 헤프린, 헤프린, furbreed, oedema, leprosy, 등.

이름 *제품정보：유전 피부병, 대사 피부병, 염색성 피부병, 털이 많은 질병, 아미 티아, 등.

이 넓은 범위의 질병 적용은 DRM-SKIN 교육에 근거를 둔 AI 시스템을 더 이상 "빠른 전망 melanoma"의 단일 기능 제품하지만 가장 피부 클리닉을 커버하는 종합 진단 시스템. 이것은 AI를 위해 결정하고 임상 루틴을 입력하고 의사를위한 일일 도구가됩니다.

4.5 2 단위 + 다 장비: 일반화를 위한 수용량을 건설하는 기초

DERM-SKIN 데이터 세트는 또한 자료 다양성에 있는 유사한 감사를 보여줍니다. 첫째로, 그것은 피부 거울 화상의 진동 그리고 임신 본에 자료가 포함되어 있습니다. 진동 본은 진짜 코텍스 (예를들면, 관, 접착제)의 구조를 보여줍니다, 임신한 (exposure) 모형은 피부 층을 위한 더 명확한 색깔 구조를 보여줍니다. 2개의 모형은 우수한 임상 기간에서 자주 결합됩니다.

두 번째, 데이터 세트는 여러 브랜드, 여러 가지 피부 미러 장비, 국가 및 해외의 주류 브랜드에서 제품을 포함. 장비의 전체 데이터의 다양성은 AI 모델에 걸쳐 교차 장비에 대한 고체를 제공합니다. 이 데이터 교육에 기반한 모델은 다른 병원, 다른 장비 및 "물과 토양 침입"의 관점에서 더 적응할 수 있습니다.

또한, 데이터 세트는 다른 연령 그룹, 성별, 분야 및 색상을 다루고 인구가 대표임을 보장합니다. 특히 중국에 의해 지배되는 인구의 구성은 중국 인구의 특성에 적합한 피부 AI 시스템을 개발하는 데 상당한 가치를 가지고 있습니다. 결국, 서양과 중국 피부 분석의 중요한 차이점이 있습니다.

4.6 품질 관리 체계: 자료 질을 지키는 5개의 선

품질 관리가 장소에 있지 않다면 백만 규모의 데이터 세트는 "scaveyard"가됩니다. Longhuitech는 각 케이스의 질을 지키는 엄격한 5 수준 품질 관리 체계가 둘 것입니다:

V. 임상 응용 시나리오 : 5 백만 개의 데이터가 위치를 가능하게하는

DEM-SKIN과 같은 고급 데이터 세트를 기본으로 한 백만 규모의 스킨 AI의 임상 응용 프로그램은 극적으로 확장됩니다. 여기에 5 가지 가장 가치있는 응용 프로그램입니다.

VI. 사회 이익과 기업 가치: "data 자산"에서 "건강"에

6.1 진단의 수준의 격상: 정확한 진단을 받기 환자의 수를 증가하십시오

피부의 malpractice의 불균형은 저하 아닙니다 - 특히 1 차적인 수준에서, malfeasance의 불균형은 30-40%로 높을 수 있습니다.

AIS 보조 진단 시스템의 일반화는 크게 관리의 전반적인 수준을 향상시킬 수 있습니다. 1 차 및 노인 모두에 대한 AI는 주요 의사를위한 귀중한 참조를 제공합니다. AI는 "teacher"로 진단 기능을 개선하는 데 도움이됩니다. 전문가는 "assist"로 불완전한 진단을 상기시킵니다.

6.2 건강 관리의 평등 촉진 : 품질 자원의 감소

그러나 현실은 품질 피부 자원은 첫번째 선 도시에 있는 Sanctuary 병원에서 높게 집중되고, 더 넓은 군 및 시골 지역에 있는 환자는 질 피부과 서비스에 조금 접근이 있습니다. AI 기술은 이 함정을 끊기를 위한 새로운 가능성을 제안합니다 – 알고리즘으로 최고 수준의 전문가의 진단 기능을 암호로 고쳐서 – 이렇게 1 차적인 환자는 그들의 정면 문에 전문가 수준 진단 서비스를 받을 수 있습니다.

이 감각에서는 DERM-SKIN 데이터 세트에 의해 지원되는 dermal AI 체계는, 기술적인 제품 뿐만 아니라 의학 equity를 승진시키는 “디지털 인프라”입니다. 1백만개의 고품질 케이스의 뒤에는 피부병을 가진 사람들의 10s를 얻는 중대한 사회적인 가치입니다.

6.3 개선된 의료 효율: 피부질 용량의 방출

치료의 이 빠르 박 모델은 치료의 질과 의사의 소진에 영향을줍니다.

AI 보조는 여러 차원에서 피부 수술의 효율성을 증가시킬 수 있습니다. AI는 자동으로 피부 손상 및 예비 진단의 설명을 생성합니다. 의료 기록의 쓰기에 필요한 시간을 감소시킵니다. APCT는 환자의 초기 분류를 허용하고 상담의 과정을 최적화 할 수 있습니다. 그리고 AVCT는 전문가가 더 많은 환자를 봉사 할 수 있도록합니다. AI 보조가 30 ~ 50 %의 피부 치료의 전반적인 효과를 증가 할 수 있다고 추정됩니다. 의사의 수없이 거의 치료 용량을 투약 할 수 있습니다.

6.4 산업 업그레이드 촉진 : 피부 AI 혁신 생태 구축

DEM-SKIN 데이터 세트의 가치는 단 하나 기업의 그것 보다는 매우 더 높습니다. 그것은 중국 피부 AI 기업 전체를 위한 고품질 자료 기초를, 찰상에서 축적한 자료를 가지고 있기 없이 이 기초에 건축하는 것을 더 혁신 팀이 허용하.

한편, 다억 규모의 고품질 중국식 피부 미러 데이터 세트는 또한 중국의 피부 AI 연구 국제 대회의 바닥 라인을 제공하고있다. 지난, 중국 피부 AI의 팀은 종종 해외에서 열린 데이터 세트에 의존, 인간의 적응성, 질병 덮개의 관점에서 자연적 단점, 등.

VII. 전문가 이력: 3-5 년 이상 피부 AI에 있는 5개의 주요 동향

7.1 트렌드 I: 대형 모델은 피부 AI '코딩'이 됩니다.

이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.

큰 모델 연령의 핵심 경쟁력은 데이터입니다. 누구든지 가장, 최고의, 가장 독특한 데이터가 강한 모델을 훈련 할 수 있습니다. Longway DeRM-Skin 백만 규모의 중국 피부 미러 데이터는 큰 모델 연령에서 더 가치있을 것입니다.

7.2 Trends II: "Auxiliary Diagnostics"에서 "문화 지원"

현재 피부 AI는 진단에 주로 집중하고, 미래 피부 AI는 상담에서, 의학 검사, 보조 검사 해석, 진단 및 치료 통보, 후속 관리, 전 증발 및 AI 지원 체계의 가득 차있는 사슬에, 및 후속에, 그리고 포함합니다. 이것은 뿐만 아니라 이미지 자료, 또한 의학 기록, 시험, 검사, 후속 방문, 등과 같은 다차원 임상 자료만 포함하기 위하여 자료 세트를 요구합니다.

7.3 Trends III: 드문 질병 AI에 대한 획기적인 진행

작은 샘플 성숙에 대한 기본 모델과 학습 기술로, 드물게 피부 질환의 AI 인식은 주요 돌파구를 만들 것입니다. 다음 3 ~ 5 년 동안 AI 시스템이 드물게 피부 질환의 수백을 식별 할 수 있다고 예상되지만 정확성 비율은 전문가의 높은 것일 수 있지만 적어도 "폭 넓은 경보 및 경고"로 의사의 식별의 진단 범위에 드물게 누출의 비율을 감소시키기 위해 드물게 질병을 가져올 것으로 예상됩니다.

7.4 Trends IV: Dermal AI 접근 임상 가이드 및 건강 보험 지불

AAI-Aided 진단은 임상시험에 따라 3~5년 동안 임상시험에 포함될 것입니다. 동시에 AAI-Aided 진단의 비용은 AAI의 제품의 임상적 적용을 크게 가속할 수 있는 건강 보험에 의해 커버될 것으로 예상됩니다.

7.5 트렌드 V : 소비자 수준의 피부 AI의 출현

의료 시설의 응용 외에도 소비자 엔드 스킨 AI가 빠르게 나타납니다. 사진과 AI 알고리즘의 조명 정량 향상을 위해 스마트 폰의 능력으로 일반 사용자는 전화에서 사진을 찍어 초기 피부 건강 평가를 얻을 수 있습니다. 일반적인 피부 문제를 식별하고 의료 이사를 경고하는 데 도움이되는 일반적인 피부 문제를 식별합니다.

VIII. OBSERVATIONS: 수백만의 자료로 피부 건강을 위한 새로운 청사진

Thirty years ago, 내가 먼저 피부과 분야에 들어갔을 때, 피부 거울은 여전히 소설이었다 — 많은 의사는 생각, "더 많은 피부 거울이 십년간 필요합니까?" 그리고 오늘, 피부 거울은 피부과 의사를위한 불가결 "spectrum"공구입니다.

역사는 항상 놀랍습니다. 오늘 많은 사람들이 피부 AI에 동일한 태도로 치료되고 있으며 30 년 전 피부 거울에있었습니다. 의심스러운 보고 믿고 있습니다. 그러나 AI가 피부 외과 의사가 사용될 수있는 도구가 될 것이라고 확신합니다. 피부 거울에 1 년.

피부과 전문의로서, 나는 거의 미래에 모든 피부과 의사가 AI를 강한 조수로 가지고 있다고 예상, 모든 피부 환자는 적시에 액세스하고 정확한 진단 및 모든 원격 영역에서 사람들이 품질 피부 관리에 액세스 할 것입니다.

이것은 내 꿈이며 모든 피부 과학자의 꿈입니다. 그리고이 꿈의 경로는 고품질의 데이터 세트, 혁신적인 알고리즘, 제품의 조각에 의해 단계로 수행됩니다.

잉크로 데이터를 사용하자, AI는 펜으로, 피부 건강을 위한 새로운 청사진을 그립니다.