Diagnostik

Im Rahmen des diesjährigen DDG-Kongresses in Berlin fand ein Workshop zur modernen Bildgebung in der Dermatologie statt, geleitet von Dr. med. Sandra Schuh (Universitätsklinikum Augsburg) und Prof. Dr. med. Sonja Grunewald (Universität Leipzig). Im Fokus des Workshops stand die Integration künstlicher Intelligenz (KI) in der Line-field konfokalen optischen Kohärenztomographie (LC-OCT) – einem innovativen, nicht-invasiven Verfahren zur Diagnostik von Hauterkrankungen.

LC-OCT ermöglicht eine hochauflösende Darstellung der Hautschichten. Es können feinste Gewebestrukturen sichtbar gemacht werden, was eine detaillierte Analyse der epidermalen und dermalen Hautschichten erlaubt. Systeme wie VivoSight Dx® (D-OCT) und deepLive™ (LC-OCT) haben sich hierbei als wegweisend etabliert. Beide Geräte sind CE-zertifiziert und bieten dynamische Bildmodi zur Darstellung von Blutgefäßen und Gewebearchitekturen.

Während VivoSight Dx® eine Eindringtiefe von bis zu 1,5 mm erreicht, aber ausschließlich vertikale Schnittbilder ermöglicht, liegt die Stärke von deepLive™ in der hochauflösenden Erfassung auch kleinster zellulärer Veränderungen sowie der horizontalen und vertikalen Schnittbildgebung, wodurch eine 3D-Ansicht generiert werden kann. Das deepLive-Gerät bietet zusätzlich eine CE-zertifizierte KI.

Die Integration von künstlicher Intelligenz in die LC-OCT verspricht eine neue Ära der Hautdiagnostik. Die Erkennung von Basalzellkarzinomen steht hierbei an erster Stelle. Auch
bei der Diagnostik von aktinischen Keratosen (AK) und Plattenepithelkarzinomen (PEK) trägt die Technologie dazu bei, Veränderungen frühzeitig zu erkennen. Sie ermöglicht es, diese gezielt zu therapieren und unter Therapie zu monitoren.

Durch die Kombination aus hochauflösender Bildgebung und KI-gestützter Auswertung gelingt außerdem eine präzise in-vivo präoperative Schnittrandkontrolle, die dazu beitragen kann, weitere OP-Schritte zu vermeiden. Das Protokoll und erste Ergebnisse der One-Stop-Shop Studie zur Randkontrolle von BCC wurden in Berlin ebenfalls vorgestellt. Die Randmarkierung von BCC vor der Operation ermöglicht eine präzisere Bestimmung und somit gezieltere chirurgische Entfernung. Die visuelle Darstellung der Tumorränder in Echtzeit sorgt zudem für eine verständlichere Kommunikation mit den Patient*innen, was deren Vertrauen in die Behandlung erhöht.

Die Erfahrungen aus der klinischen Praxis zeigen, dass die Integration von LC-OCT mit künstlicher Intelligenz nicht nur die Präzision der Diagnose verbessert, sondern auch langfristig die Anzahl notwendiger Biopsien reduzieren kann. Entsprechende Studien hierzu sind aktuell in Vorbereitung oder werden bereits durchgeführt. Dermatolog*innen berichten, dass unklare Läsionen häufiger ohne invasive Maßnahmen abgeklärt werden können, was sowohl für die Ärzt*innen wie auch die Patient*innen eine erhebliche Erleichterung darstellt.

Noch ungeklärte Fragen zu KI-gestützten Diagnosen

Dennoch bleibt die Technologie nicht ohne Herausforderungen. Eine der größten Fragen betrifft die Erklärbarkeit der KI-gestützten Diagnosen.

Für viele Patient*innen bleibt unklar, wie die Maschine zu ihren Ergebnissen kommt, was gelegentlich zu Verunsicherung führt. Auch die Frage der Haftung bei Fehldiagnosen ist noch nicht abschließend geklärt. Zudem kann der zwischenmenschliche Kontakt im Diagnoseprozess unter dessen Automatisierung leiden. Besonders komplexe Diagnosen, wie etwa bei Melanomen oder Plattenepithelkarzinomen, erfordern weiterhin die Expertise erfahrener Dermatolog*innen.

Die Zukunft der LC-OCT mit KI ist dennoch vielversprechend. Mit fortschreitender Technologie werden sowohl die Bildqualität als auch die Erklärbarkeit der KI-Diagnosen weiter verbessert. Perspektivisch eröffnet sich zudem die Möglichkeit, telemedizinische Konsultationen und Nachsorgen auszubauen, was vor allem in ländlichen Regionen den Zugang zur spezialisierten dermatologischen Versorgung erleichtern könnte.

Die KI in der LC-OCT revolutioniert somit nicht nur die Diagnostik, sondern bietet auch neue Chancen für eine präzisere und patient*innenorientiertere Therapie. Die ideale Kombination aus maschineller Effizienz und unersetzlicher ärztlicher Expertise scheint damit in greifbare Nähe zu rücken.