Der Bericht Skinive accuracy 2021 „Dynamics of the neural network accuracy in the context of modernization of the algorithms of skin pathology recognition“ (Dynamik der Genauigkeit neuronaler Netze im Rahmen der Modernisierung der Algorithmen zur Erkennung von Hautkrankheiten) wurde offiziell im Social Science Research Network veröffentlicht.
Das neuronale Netz Skinive verwendet einen Algorithmus des maschinellen Lernens zur Berechnung der Risikoeinstufung von Hautpathologien. Für diese Studie haben wir die Versionen 2020 und 2021 von Skinive verwendet, die auf 64.000 bzw. 115.000 Bildern trainiert wurden. Wir haben drei Validierungsdatensätze verwendet, um die Empfindlichkeit des Algorithmus zu bewerten. Jeder Datensatz enthält 285 Bilder: Präkanzerose + Krebs, HPV-Hautpathologie, Akne. Wir berechneten auch die Spezifität anhand eines separaten Validierungssatzes mit 6.000 gutartigen Neubildungen.
Ziel dieser Studie war es, die Genauigkeit des Skinive-Algorithmus im Jahr 2021 abzuschätzen.
Wir haben den Algorithmus so verbessert, dass die Anzahl der Fehler des neuronalen Netzes bei der Bestimmung des Risikos von Hautpathologien statistisch signifikant gesunken ist.
Sensitivität und Spezifität des neuronalen Skinive-Netzes deuten darauf hin, dass der Algorithmus bei der Erkennung verschiedener Neoplasmen und Hautkrankheiten sehr genau ist. Die Sensitivität des neuronalen Skinive-Netzes bei der Erkennung bösartiger Neubildungen lag im Jahr 2020 bei 89,1 % und im Jahr 2021 bei 95,4 %. Die Spezifität des neuronalen Netzes von Skinive bei der Erkennung gutartiger Neubildungen betrug 95,3 % im Jahr 2020 und 97,9 % im Jahr 2021.
Zusammenfassend lässt sich sagen, dass die Sensitivität für alle Hautneoplasmen im Jahr 2020 95,3 % und die Spezifität 93,5 % betrug. Im Vergleich dazu lag sie 2021 bei 97,9 % bzw. 97,1 %.
