DIAGNOSING SKIN CONDITIONS USING MACHINE-LEARNED MODELS

• Main Authors: FERRANTE, JOSEPH, SWART, ELLIOT
• Format: Patent
• Language: English; French
• Published: 07.01.2021
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATIONTECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING ORPROCESSING OF MEDICAL OR HEALTHCARE DATA; IMAGE DATA PROCESSING OR GENERATION, IN GENERAL; INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTEDFOR SPECIFIC APPLICATION FIELDS; PHYSICS

A diagnosis system trains a set of machine-learned diagnosis models that are configured to receive an image of a patient and generate predictions on whether the patient has one or more health conditions. In one embodiment, the set of machine-learned models are trained to generate predictions for images that contain two or more underlying health conditions of the patient. In one instance, the symptoms for the two or more health conditions are shown as two or more overlapping skin abnormalities on the patient. By using the architectures of the set of diagnosis models described herein, the diagnosis system can generate more accurate predictions for images that contain overlapping symptoms for two or more health conditions compared to existing systems. L'invention concerne un système de diagnostic qui entraîne un ensemble de modèles de diagnostic entraînés automatiquement qui sont conçus pour recevoir une image d'un patient et générer des prédictions quant au fait de savoir si le patient présente une ou plusieurs affections. Dans un mode de réalisation, l'ensemble de modèles entraînés automatiquement sont entraînés pour générer des prédictions pour des images qui contiennent au moins deux affections sous-jacentes du patient. Dans un exemple, les symptômes des au moins deux affections sont présentés en tant que deux anomalies cutanées chevauchantes ou plus chez le patient. À l'aide des architectures de l'ensemble de modèles de diagnostic décrit, le système de diagnostic peut générer des prédictions plus précises pour des images qui contiennent des symptômes se chevauchant d'au moins deux affections par rapport aux systèmes existants.