Le rapport Skinive accuracy 2021 « Dynamique de la précision des réseaux neuronaux dans le contexte de la modernisation des algorithmes de reconnaissance des pathologies cutanées » est officiellement publié sur Social Science Research Network.
Le réseau neuronal Skinive utilise un algorithme d’apprentissage automatique pour calculer l’indice de risque des pathologies cutanées. Pour cette étude, nous avons utilisé les versions 2020 et 2021 de Skinive, entraînées sur 64 000 et 115 000 images respectivement. Nous avons utilisé trois ensembles de données de validation pour évaluer la sensibilité de l’algorithme. Chaque ensemble de données contient 285 images : précancer + cancer, pathologie cutanée HPV, acné. Nous avons également calculé la spécificité sur un autre ensemble de validation contenant 6 000 cas de néoplasmes bénins.
L’objectif de cette étude était d’estimer la précision de l’algorithme Skinive en 2021.
Nous avons amélioré l’algorithme pour montrer une diminution statistiquement significative du nombre d’erreurs du réseau neuronal dans la détermination des risques de pathologies cutanées.
Par conséquent, la sensibilité et la spécificité du réseau neuronal Skinive indiquent que l’algorithme est très précis dans la détection de divers néoplasmes et maladies de la peau. La sensibilité du réseau neuronal Skinive dans la détection des néoplasmes malins était de 89,1 % et 95,4 % en 2020 et 2021 respectivement. La spécificité du réseau neuronal de Skinive dans la détermination des néoplasmes bénins était de 95,3 % en 2020 et de 97,9 % en 2021.
En conclusion, pour tous les néoplasmes cutanés : en 2020, la sensibilité était de 95,3 %, la spécificité de 93,5 %. En comparaison, en 2021, la sensibilité était de 97,9 % et la spécificité de 97,1 %.
