KI übertrifft erfahrene Dermatologen bei Hautkrebs-Erkennungsgenauigkeit

• Forscher trainierten ein Convolutional Neural Network zur Hautkrebsdetektion.
• Es übertraf eine internationale Gruppe erfahrener Dermatologen.
• Die KI ersetzt Ärzte nicht, kann aber als Entscheidungshilfe für präzisere Diagnosen dienen.

Erstmals hat ein internationales Team gezeigt, dass künstliche Intelligenz Hautkrebs genauer erkennen kann als erfahrene Dermatologen.

Malignes Melanom nimmt zu – weltweit über 230.000 Neudiagnosen und 59.800 Todesfälle 2015. Früherkennung ist kritisch; im Stadium IV sinken 5- und 10-Jahres-Überlebensraten auf 15 % bzw. 10 %.

Das European Society for Medical Oncology Team trainierte ein Convolutional Neural Network (CNN) an über 100.000 dermatoskopischen Bildern maligner Melanome und gutartiger Muttermale.

Im direkten Vergleich übersah das CNN weniger Positive als 58 Dermatologen aus 14 Ländern.

Künstliches Neuronales Netz

Die Forscher nutzten Googles Inception-v4 Architektur, trainiert auf dermatoskopischen Bildern und Diagnosen. Neuronale Netze lernen durch Beispiele und verbessern sich progressiv bei mehr Daten.

Bilder wurden 10-fach vergrößert, um dem CNN detaillierte Sicht zu geben. Jeder Trainingsdurchlauf schärfte die Fähigkeit des Modells, maligne von benignen Läsionen zu unterscheiden.

CNN vs. Ärzte

Zwei Testsets wurden erstellt: Level-I (nur dermatoskopische Bilder) und Level-II (dermatoskopische Bilder plus klinische Informationen). Sowohl CNN als auch Dermatologen maßen Sensitivität, Spezifität und Area under ROC Curve.

Im Level-I erreichten Dermatologen durchschnittlich 86,6 % Sensitivität für Melanom und 71,3 % Spezifität für gutartige Muttermale. Das CNN erreichte 95 % Sensitivität für Melanom bei gleicher 71,3 % Spezifität für gutartige Muttermale.

Im Level-II verbesserte sich die Leistung für beide Gruppen, aber das CNN zeigte weiterhin höhere Sensitivität und Spezifität, übersah weniger Krebse und klassifizierte weniger gutartige Läsionen falsch.

Ergebnisse entsprachen auch den Top-3-Algorithmen der 2016 International Symposium on Biomedical Imaging (ISBI) Challenge.

Fazit

Die Daten zeigen, dass ein CNN sogar hocherfahrene Dermatologen bei der Identifikation von Hautkrebs übertreffen kann.

Obwohl die Technologie nicht dazu gedacht ist, Kliniker zu ersetzen, bietet sie ein mächtiges Entscheidungsunterstützungstool, das diagnostische Genauigkeit erhöhen kann.

Lesen: Google entwickelt KI, die Herzkrankheit durch Augenscan vorhersagt

Zukünftige Verbesserungen kommen durch größere Trainingsets und Fortschritte in Bildgebungstechnologie, was dermatologische Diagnostik in naher Zukunft transformieren könnte.

Referenz: Annals of Oncology | doi: 10.1093/annonc/mdy166