Skinmap propose une solution d’IA capable de détecter, suivre et comparer les lésions cutanées à partir de photos du corps entier, permettant ainsi un dépistage du cancer de la peau plus rapide et plus précis.
Skinmap est une plateforme de photographie corporelle totale (TBP) assistée par intelligence artificielle, développée par Triangulate Labs, basée à Boca Raton. Elle aide les professionnels de la dermatologie à détecter et à suivre les changements cutanés associés au cancer de la peau. Le système propose des scans corporels complets rapides et adaptés à la pratique clinique, environ 60 secondes via une application mobile, avec un retour en temps réel, rendant la TBP plus accessible et plus économique que les systèmes traditionnels. Le produit intègre des fonctionnalités de détection des changements (comme un “comparateur clignotant”) permettant de visualiser l’évolution des lésions au fil du temps, et est déployé auprès de groupes de dermatologues aux États-Unis via un programme destiné aux praticiens.
Le défi technique de Skinmap consistait à obtenir une segmentation précise des lésions sur une grande diversité de types de peau et à aligner les images en 3D afin de suivre les changements subtils des lésions au fil du temps. Cela impliquait de gérer l’orientation du sujet, l’éclairage irrégulier, les ombres et la pilosité corporelle. Les données de pré-entraînement disponibles publiquement étaient constituées d’images dermoscopiques haute résolution, tandis que Skinmap s’appuyait sur des photos prises par smartphone, nécessitant ainsi des adaptations de la chaîne de traitement pour améliorer la performance de segmentation dans des conditions réelles.
L’équipe d’Umaneo s’est associée à Skinmap pour concevoir une chaîne de traitement répondant à trois besoins essentiels : une segmentation précise des lésions, un enregistrement spatial 3D rigoureux pour créer des “jumeaux numériques” des patients, et la détection des changements longitudinaux entre les visites. En s’appuyant sur l’apprentissage par transfert, l’apprentissage actif avec validation par des dermatologues et un MLOps optimisé, l’équipe a rapidement affiné les modèles afin de prioriser les lésions à haut risque et de relier les résultats aux images sources. Skinmap a salué l’expertise et la rapidité de l’équipe, soulignant que la solution d’IA a été livrée en près de la moitié du temps initialement prévu, avec une précision accrue et une meilleure intégration dans les flux de travail.
