KI übertrifft erfahrene Dermatologen bei der Genauigkeit der Hautkrebserkennung

• Forscher trainierten ein Faltungs-Neuronales Netzwerk, um Hautkrebs zu erkennen.
• Es hat eine internationale Gruppe erfahrener Dermatologen übertroffen.
• Die KI wird Ärzte nicht ersetzen, kann aber als Hilfe für eine genauere Entscheidungsfindung dienen.

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

Fälle von bösartigem Melanom nehmen zu – weltweit über 230.000 Neudiagnosen und 59.800 Todesfälle im Jahr 2015. Früherkennung ist entscheidend; Im Stadium IV sinken die 5- und 10-Jahres-Überlebensraten auf 15 % bzw. 10 %.

Das Team der Europäischen Gesellschaft für Medizinische Onkologie trainierte ein Convolutional Neural Network (CNN) anhand von mehr als 100.000 dermatoskopischen Bildern von bösartigen Melanomen und gutartigen Muttermalen.

Im direkten Vergleich übersah CNN weniger positive Fälle als 58 Dermatologen aus 14 Ländern.

Künstliches neuronales Netzwerk

Die Forscher nutzten die Inception-v4-Architektur von Google und trainierten sie anhand dermatoskopischer Bilder und deren Diagnosen. Neuronale Netze lernen anhand von Beispielen und verbessern sich zunehmend, je mehr Daten ihnen ausgesetzt sind.

Die Bilder wurden 10-fach vergrößert, um dem CNN eine detaillierte Ansicht zu ermöglichen. Mit jeder Trainingsiteration wurde die Fähigkeit des Modells verbessert, bösartige von gutartigen Läsionen zu unterscheiden.

CNN vs. Ärzte

Es wurden zwei Testsätze erstellt:Level-I (nur dermatoskopische Bilder) und Level-II (dermatoskopische Bilder plus klinische Informationen). Sowohl CNN als auch die Dermatologen haben die Spezifität, Sensitivität und die Fläche unter der ROC-Kurve gemessen.

In der Stufe I erreichten Dermatologen eine durchschnittliche Sensitivität von 86,6 % für Melanome und eine Spezifität von 71,3 % für gutartige Muttermale. Das CNN erreichte eine Sensitivität von 95 % für Melanome und behielt gleichzeitig die gleiche Spezifität von 71,3 % für gutartige Muttermale bei.

In Stufe II verbesserte sich die Leistung für beide Gruppen, aber das CNN zeigte immer noch eine höhere Sensitivität und Spezifität, wodurch weniger Krebserkrankungen übersehen und weniger gutartige Läsionen falsch klassifiziert wurden.

Die Ergebnisse stimmten auch mit den drei besten Algorithmen des International Symposium on Biomedical Imaging (ISBI)-Wettbewerbs 2016 überein.

Schlussfolgerung

Die Daten zeigen, dass ein CNN selbst sehr erfahrene Dermatologen bei der Erkennung von Hautkrebs übertreffen kann.

Obwohl die Technologie nicht dazu gedacht ist, Ärzte zu ersetzen, bietet sie ein leistungsstarkes Entscheidungsunterstützungstool, das die diagnostische Genauigkeit verbessern kann.

Lesen Sie:Google entwickelt KI, die Herzerkrankungen durch Scannen Ihrer Augen vorhersagt

Zukünftige Verbesserungen werden durch größere Schulungssätze und Fortschritte in der Bildgebungstechnologie erzielt, die möglicherweise in naher Zukunft die dermatologische Diagnostik verändern werden.

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