Künstliche Intelligenz übertrifft Hautärzte bei Hautkrebs-Diagnose

Dermatologen diagnostizierten bösartige Melanome anhand von Bildaufnahmen im Schnitt in 86,6 Prozent der Fälle richtig und erkannten 71,3 Prozent der Hautveränderungen, die nicht bösartig waren. Im Vergleich dazu identifizierte die künstliche Intelligenz 95 Prozent der Melanome korrekt. Erhielten Ärzte zusätzlich zu dem Bild noch Zusatzinformationen, etwa zu Geschlecht und Alter einer Person oder der Position der Hautveränderung, verbesserte sich die Diagnose-Genauigkeit. Hautkrebs wurde dann in fast 89 Prozent der Fälle richtig erkannt, gutartige Veränderungen zu 75,7 Prozent.

Selbst im Vergleich zu erfahrenen Dermatologen habe das CNN besser abgeschnitten, so Erstautor Professor Holger Hänßle von der Universität Heidelberg. Solche maschinell lernenden Netzwerke könnten Hautärzten bei der Hautkrebsvorsorge in der Zukunft als zusätzliche Hilfe bei der Entscheidungsfindung dienen und helfen, unnötige Biopsien zu vermeiden, so die Studie, die im Fachblatt Annals of Oncology veröffentlicht wurde.

„Das CNN arbeitet wie das Gehirn eines Kindes“, erklärt Hänßle. „Um es zu trainieren, haben wir dem CNN über 100.000 Bilder von bösartigen und gutartigen Hauttumoren und Leberflecken gezeigt mit der richtigen Diagnose zu jedem der Bilder.“ Mit jedem Bild verbesserte die künstliche Intelligenz ihre Fähigkeit, zwischen gut- und bösartigen Hautveränderungen zu unterscheiden. Mit einem Satz von 100 neuen Bildern verglichen die die Forscher anschließend die Diagnosegenauigkeit von Dermatologen und dem Computersystem. An dem Test nahmen 58 Dermatologen aus 17 Ländern mit unterschiedlich großer Erfahrung teil, wobei etwa die Hälfte von ihnen Experten mit über fünf Jahren Erfahrung waren. Die Hautärzte sollten zuerst eine Diagnose nur anhand des mikroskopischen Bildes stellen und eine entsprechende Behandlungsempfehlung geben. Vier Wochen später erhielten sie zu den gleichen Bildern noch Zusatzinformationen.

HH