Siyuan Yan sa Sveučilišta Monash u Melbourneu u Australiji i suradnici razvili su PanDerm, koji je prethodno obučen samostalnim učenjem na više od 2 milijuna slika stvarnih kožnih bolesti iz 11 kliničkih institucija u četiri modaliteta snimanja. Zatim je PanDerm procijenjen korištenjem 28 različitih mjerila, uključujući probir raka kože, stratifikaciju rizika, diferencijalnu dijagnozu uobičajenih i rijetkih kožnih stanja, segmentaciju lezija, longitudinalno praćenje te predviđanje i prognozu metastaza.

Istraživači su otkrili da je učinkovitost AI modela PanDerma u svim procijenjenim zadacima bila vrhunska, čak je nadmašila postojeće modele kada se koristilo samo 10 posto označenih podataka. PanDerm je nadmašio kliničare za 10,2 posto u otkrivanju melanoma u ranoj fazi putem longitudinalne analize, poboljšao je dijagnostičku točnost raka kože kliničara za 11 posto na dermoskopskim slikama i poboljšao diferencijalnu dijagnozu nedermatoloških zdravstvenih radnika za 16,5 posto kod 128 stanja kože na kliničkim fotografijama.

Prethodni modeli umjetne inteligencije imali su poteškoća s integracijom i obradom različitih vrsta podataka i metoda snimanja, smanjujući njihovu korisnost  u različitim stvarnim okruženjima. PanDerm je alat osmišljen za rad uz kliničare, to je alat koji ima pomaže u interpretaciji složenih podataka snimanja.