Haut.AI lanserar ny AI-modell för hudanalys efter avslöjade felmarginaler
Haut.AI har introducerat SkinFM för att förbättra träffsäkerheten inom hudanalys, efter att en ny studie visat på stora brister i befintliga AI-verktyg.
Teknikbolaget Haut.AI har lanserat SkinFM, en AI-modell specialiserad på hudanalys. Lanseringen följer publiceringen av SkinBench, en studie som granskat prestandan hos nuvarande AI-modeller för huddiagnostik. Undersökningen visar att många befintliga system ofta identifierar hudproblem som inte existerar, vilket väcker frågor kring tillförlitligheten i digitala hudvårdsrekommendationer.
Enligt Haut.AI beror de identifierade felen främst på otillräcklig träningsdata och bristfälliga algoritmer. Rapporten belyser hur felaktiga diagnoser kan leda till att användare får olämpliga råd eller produkter rekommenderade. Detta utgör en utmaning för branschen när AI blir en allt större del av konsumentnära hälso- och hudvårdstjänster.
SkinFM-modellen har utvecklats för att motverka dessa problem genom att använda mer kliniskt orienterad data. Målet är att minska risken för felaktiga bedömningar där AI:n feltolkar ytstrukturer på huden. Företaget har valt att publicera resultaten från SkinBench för att driva på en högre standard för validering av dermatologisk programvara. Lanseringen ses som ett steg mot ökad transparens i utvecklingsprocessen för diagnostisk AI.