Detección de condiciones de la piel impulsada por IA a partir de una foto Envíe una imagen más el contexto de los síntomas y reciba la condición detectada (más de 80 soportadas) un puntaje de confianza y un resumen en lenguaje sencillo Validado en todos los tipos de piel de Fitzpatrick I–VI
{"result":"Not a Skin Image","confidence":99.0,"summary":"From this photo, I can see a low-resolution view of a child’s face and upper torso, but I do not see a clearly defined skin lesion. There are no obvious raised nodules, ulcers, crusting, grouped blisters, ring-shaped rash, or scaly plaques. I also do not see clear features that would suggest neurofibromatosis (such as multiple visible neurofibromas or prominent café-au-lait spots). Because the image does not show a specific lesion clearly, any automated “neurofibromatosis” result is not supported by visible findings here and may be a false positive for this image.\n\nYou mentioned a self-reported painful spot on the face that has been growing for about 2 weeks. If that is present, it may simply not be captured well in this photo. Consider taking a new, well-lit, in-focus close-up of the exact spot (and one from the side), and include a photo from a normal distance for location.\n\nGiven pain and growth over 2 weeks on the face, it’s important to have an in-person exam soon (primary care, pediatrician, or dermatology). Seek urgent care sooner if it becomes rapidly larger, very red/warm, drains pus, is near the eye, is associated with fever, or causes swelling or trouble breathing.","discordant":false}
curl --location 'https://zylalabs.com/api/12884/skin+ai+check+api/25652/detect+skin+condition?skin_illness_location=face&symptoms_duration=2 weeks&symptoms_details=pain&symptoms_change_over_time=growing' \
--header 'Content-Type: application/json' \
--form 'image=@"FILE_PATH"'
Después de registrarte, a cada desarrollador se le asigna una clave de acceso a la API personal, una combinación única de letras y dígitos proporcionada para acceder a nuestro endpoint de la API. Para autenticarte con el Revisión de IA de la piel API simplemente incluye tu token de portador en el encabezado de Autorización.
| Encabezado | Descripción |
|---|---|
Autorización
|
Requerido
Debería ser Bearer access_key. Consulta "Tu Clave de Acceso a la API" arriba cuando estés suscrito.
|
Sin compromiso a largo plazo. Mejora, reduce o cancela en cualquier momento. La Prueba Gratuita incluye hasta 50 solicitudes.
La API Skin AI Check permite a desarrolladores clínicas aseguradoras plataformas de bienestar y empresas de salud digital integrar el análisis de imágenes de la piel impulsado por IA en sus propias aplicaciones
CÓMO FUNCIONA
Envía una sola foto de una área de la piel junto con un breve contexto de síntomas (ubicación duración detalles cambio a lo largo del tiempo) a través de una solicitud POST multipart/form-data. La API devuelve una evaluación estructurada en JSON: la condición detectada un porcentaje de confianza y un resumen en lenguaje sencillo que puedes mostrar directamente a los usuarios finales
CARACTERÍSTICAS CLAVE
- Más de 80 condiciones de la piel detectadas incluyendo condiciones dermatológicas comunes y de alto riesgo
- Precisión del 95% al 97% en conjuntos de datos de referencia
- Validado en todos los tipos de piel Fitzpatrick I a VI — diseñado para bases de usuarios diversas y globales
- Arquitectura de IA de dos niveles: un modelo de visión para detección más una capa de razonamiento que produce explicaciones claras
- Combina análisis de imágenes con contexto de síntomas para mayor precisión que las APIs solo de imagen
- Funciona con cualquier foto estándar de teléfono inteligente (JPEG/PNG)
CASOS DE USO TÍPICOS
- Telemedicina y clínicas: triaje previo a la consulta y autoevaluaciones de pacientes
- Aseguradoras y plataformas de bienestar: detección preventiva dentro de aplicaciones de miembros
- Marcas de belleza y cuidado de la piel: análisis de la piel que impulsa recomendaciones de productos personalizadas
- Aplicaciones de salud digital: agrega IA dermatológica en una tarde
IMPORTANTE
La API Skin AI Check es una herramienta de detección e información no un diagnóstico médico. Las aplicaciones siempre deben aconsejar a los usuarios que consulten a un profesional de la salud
El endpoint Detectar Condición de Piel devuelve una respuesta JSON estructurada que contiene tres piezas clave de información: la condición de piel detectada (resultado), un porcentaje de confianza (confianza) y un resumen en lenguaje sencillo (resumen) que explica la evaluación
Los campos clave en los datos de respuesta son "resultado" que indica la condición de la piel detectada "confianza" que proporciona la probabilidad de que la condición sea precisa y "resumen" que ofrece una explicación amigable para el usuario de los hallazgos
Los datos de respuesta están organizados en un formato JSON con tres campos principales: "resultado" para la condición de la piel, "confianza" para el porcentaje de precisión y "resumen" para una explicación en lenguaje sencillo Esta estructura permite una fácil extracción y visualización en aplicaciones
El punto final proporciona información sobre más de 80 condiciones de la piel incluyendo condiciones comunes y de alto riesgo junto con un puntaje de confianza y un resumen que contextualiza los hallazgos en base a la imagen enviada y los detalles de los síntomas
La precisión de los datos se mantiene a través de una arquitectura de IA de dos niveles que combina un modelo de visión para la detección con una capa de razonamiento para explicaciones claras La API ha sido validada en todos los tipos de piel Fitzpatrick y se adhiere a estándares de grado clínico
Los casos de uso típicos incluyen el triage de pre-consulta de telemedicina, el cribado preventivo para aseguradoras y plataformas de bienestar, el análisis personalizado de la piel para marcas de belleza y la integración en aplicaciones de salud digital para funciones de inteligencia artificial en dermatología
Los usuarios pueden personalizar sus solicitudes de datos proporcionando parámetros de contexto de síntomas opcionales como la ubicación del cuerpo la duración los detalles y los cambios a lo largo del tiempo junto con la carga de imágenes para mejorar la precisión de la evaluación
Los patrones de datos estándar incluyen un alto porcentaje de confianza (típicamente entre 95-97%) para condiciones comunes, junto con resúmenes claros que explican la condición detectada en términos sencillos, haciéndola accesible para los usuarios finales
El endpoint acepta una imagen de piel en formato JPG como multipart/form-data Además, los usuarios pueden incluir parámetros opcionales que describen el contexto de los síntomas como la ubicación en el cuerpo la duración los detalles y los cambios a lo largo del tiempo para mejorar la precisión de la evaluación
Los usuarios pueden ver la condición de piel detectada el porcentaje de confianza y el resumen en lenguaje sencillo directamente en sus aplicaciones Esto permite a los usuarios finales entender fácilmente la evaluación y tomar decisiones informadas sobre el cuidado de la piel
El punto final cubre más de 80 condiciones de la piel incluyendo enfermedades comunes y de alto riesgo Proporciona una evaluación detallada que incluye la condición detectada la confianza en la evaluación y un resumen que contextualiza los hallazgos en función de la imagen y los síntomas proporcionados
La calidad de los datos se garantiza a través de una arquitectura de IA de dos niveles que combina un modelo de visión para la detección con una capa de razonamiento Además la API está validada en todos los tipos de piel Fitzpatrick y sigue estándares clínicos rigurosos como ISO 13485 e ISO 27001
La respuesta está estructurada en formato JSON, que contiene tres campos principales: "result" (condición de la piel), "confidence" (porcentaje de precisión) y "summary" (explicación en lenguaje simple). Esta estructura facilita el análisis y la integración en aplicaciones
Si la API devuelve resultados parciales o vacíos, los usuarios deben verificar si los parámetros de imagen y contexto se enviaron correctamente. Se recomienda reevaluar la calidad de la imagen y proporcionar información adicional sobre los síntomas para mejorar la precisión de la evaluación
Los patrones de datos incluyen un alto porcentaje de confianza, generalmente entre el 95 y el 97%, para condiciones comunes. Los resúmenes son claros y accesibles, permitiendo a los usuarios finales entender fácilmente la condición detectada y sus implicaciones