Diagnostik

Künstliche Intelligenz zur Frühest-Erkennung von Hautkrebs

Laut aktuellem Hautkrebsreport erkranken rund 270.000 Menschen jährlich an schwarzem Hautkrebs. Für Risikopatienten gibt es Hoffnung: Mittels neuester Diagnosetechnologien, die auf hochkomplexer Bildverarbeitung und KI-basierter Spezialsoftware basieren, lassen sich maligne Melanome bereits jetzt frühestmöglich erkennen.

Kürzere Wartezeiten und weniger Gewebeentnahmen

Die jüngsten Erfolge in der Hautkrebsdiagnostik sind eng mit der Digitalisierung verknüpft. Die neueste Generation von Bildsystemen revolutioniert den Hautcheck. Systemlösungen (z.B. bodystudio ATBM, Fa. FotoFinder) bilden die komplette Haut mittels eines speziellen Kamera- und Blitzsystems reflexionsfrei, mit sehr hoher Auflösung in kürzester Zeit ab, sodass die Struktur der Läsionen vom Arzt bereits im klinischen Bild bewertet werden kann. Diese Methode wird als “Total Body Dermoscopy“ bezeichnet. Zusätzlich identifiziert ein vollautomatischer KI-gestützter Scan die vorhandenen Hautläsionen im Ganzkörperbild und ordnet diese auf dem Monitor nach Relevanz an. So kann der Dermatologe auf den ersten Blick eine hervorstechende oder abweichende Hautveränderung, in der Fachsprache “Ugly Duckling Sign“ genannt, erkennen. Erfordert ein Muttermal weitere Abklärung, kann der Arzt mittels Videodermatoskopie mit bis zu 400-facher Vergrößerung weiter bis in die feinsten mikroskopischen Strukturen eines Muttermals zoomen. Für Patienten bedeutet das neue Verfahren weniger schmerzhafte Entnahmen von Gewebeproben und eine kürzere Wartezeit auf die Diagnose, die im Ernstfall Leben retten kann.

Abb. 1: KI-basierte Software (hier: Moleanalyzer pro, Fa. FotoFinder) identifiziert und bewertet kleinste Läsionsveränderungen.

Artificial Intelligence meets Human Experience

KI-gestützte Expertensoftware (z.B. Moleanalyzer pro, Fa. FotoFinder) arbeitet mit Deep Learning, einer Lernmethode, bei der die menschliche Fähigkeit, aus Beispielen und Erfahrungen zu lernen, auf den Computer übertragen wird. Durch automatische Segmentierung, Vermessung, Klassifizierung und Bewertung von Muttermalstrukturen unterstützt die Software den Arzt somit bei der Risikobewertung von melanozytären und nicht-melanozytären Läsionen. Dieses künstliche neuronale Netz wird kontinuierlich mit der zurzeit größten Datensammlung dermatoskopischer Bilder, inklusive zugehöriger Diagnose, trainiert.

Die repräsentative Studie “Man against machine“ der Universität Heidelberg [1] belegt die ausgesprochen hohe Sensitivität von 95%. Im Vergleich dazu identifizierten die Experten – 58 Hautärzte aus 17 Ländern – 86,6% der Läsionen zu- treffend als bösartig. Auch bei der Spezifität erkannte der Algorithmus 82,5% der benignen Naevi exakt als gutartig, während die Experten einen Score von 71,3% erreichten.

Was macht diese KI so erfolgreich, dass sie sich mit ausgewiesenen Experten messen kann? Mit Sicherheit arbeitet sie objektiver, wodurch sie in vielen Fällen in der Lage ist, neue oder veränderte Strukturen zu erkennen.

Diagnosen erstellen kann nur der Arzt

So faszinierend die Künstliche Intelli- genz ist, sie kann die menschliche in Sachen Hautkrebs nicht ersetzen. Am Ende entscheidet der Arzt, was zu tun ist. Denn der Algorithmus ist derzeit nicht in der Lage, eine große Vielfalt von Daten sowie patientenindividu- elle Informationen wie die jeweilige Krankengeschichte oder andere Risikofaktoren zu einer aussagefähigen Diagnose zusammenzufassen. •

Quelle: FotoFinder

Literatur

1. Man against machine: diagnostic perfor- mance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermato- logists, ESMO, Annals of Oncology, 0: 1–7, 2018 doi:10.1093/annonc/mdy166