スキンレジョン トリアージデモ

スマホ実写データセット PAD-UFES-20（2,298枚・6クラス）で学習したモデルが、
あなたのブラウザの中だけで皮膚病変の写真を解析します。

⚠ これは研究デモです。診断ではありません。結果にかかわらず、気になる病変は必ず皮膚科医に相談してください。顔・眼・粘膜・爪下への使用は想定していません。
🔒 写真はどこにも送信されません。AIモデル（22MB）を一度ダウンロードしたあとは、解析はすべて端末内で完結します。
アップロードした写真
正しく撮るには（精度が上がる撮り方）
  • 病変が画面中央・はっきりピント
  • 直射日光の強い影を避ける（影があると判定が変わります）
  • 可能なら定規や硬貨をとなりに置いて大きさの参照に
  • 1病変ずつ撮る（複数写さない）
  • 顔・眼・粘膜・爪下は対象外

経過記録モード（変化検知）

同じ病変を2枚撮って比べると、変化の有無をブラウザ内で判定します。写真は送信されません。

1枚目と2枚目を選ぶと判定します。
基準の写真 確認の写真

※ 合成データで学習した試作モードです。撮影角度・光の違いも「変化」と判定されやすいので、同じ角度・同じ明るさで撮るのがおすすめ。

「受診推奨」が出たら: ①皮膚科の予約を取る（近くの皮膚科を「皮膚科 ○○市」で検索）②受診前に今回の写真をスマホに保存して持参 ③変化検知モードで数週間後にもう一度比べる。

「経過観察」が出たら: ①安心せず、1〜3ヶ月ごとに変化検知モードで比べる ②大きさ・色のムラ・縁の不整のどれかが変わったら撮り直して確認 ③迷ったら皮膚科へ。

仕組み

学習: PAD-UFES-20（ブラジル・スマホ臨床写真・CC BY 4.0）患者単位分割 train 1,612 / val 320 / test 366枚。
モデル: DeiT3-Small ViT（勝者候補B）を INT8 量子化して 22MB に。
ブラウザ内推論: ONNX Runtime Web（WASM）。サーバなし・課金なし・画像非送信。
実測精度(test・366枚): 悪性疑い検出 AUC 0.898・感度 98.8%（しきい値0.21設定時）・特異度 37.1%。
→ 設計方針は「見逃し最小化」: 悪性の可能性を少しでも疑ったら受診を勧める代わりに、安心させすぎないことを優先しています（そのぶん「受診推奨」が出やすい=保守的）。

6クラスの見方

ACK 日光角化症（前がん状態）／BCC 基底細胞がん／MEL 悪性黒色腫（メラノーマ）／NEV ほくろ／SCC 有棘細胞がん／SEK 脂漏性角化症（老人性いぼ）。
表示の確率は「この6つのうちどれに似ているか」であり、診断確定ではありません。BCC/MEL/SCC の合計確率がしきい値を超えると「皮膚科受診を推奨」を表示します。

Shitate LAB — 2026-10-27。モデル・学習コード・生ログは LAB NOTES #8 と実ファイルで公開。