Computerassistierte Hautkrebsdiagnose

Die künstliche Intelligenz (KI) hält zunehmend Einzug im Gesundheitswesen. Auffallend ist jedoch eine gewisse Diskrepanz zwischen den hohen, zum Teil unrealistischen Erwartungen besonders im Bereich der bildbasierten Hautkrebsdiagnostik und dem tatsächlichen Stellenwert in der Praxis.

In diesem Beitrag werden Ergebnisse relevanter Studien zum Einsatz computerbasierter Assistenzsysteme in der Hautkrebsdiagnose vorgestellt und diskutiert mit Fokus auf der Auswertung von dermatoskopischen Bildern pigmentierter sowie nicht pigmentierter Läsionen.

Die Studienauswahl basiert auf einer selektiven Literaturrecherche relevanter Studien der vergangenen Jahre zum Einsatz von maschinellem Lernen, insbesondere sog. „convolutional neural networks“, die sich als besonders effektiv für die Klassifizierung von Bilddaten erwiesen haben.

In zahlreichen Studien konnte gezeigt werden, dass Computeralgorithmen anhand eines digitalen Bildes pigmentierte und nicht pigmentierte Neoplasien der Haut mit vergleichbarer Präzision wie Dermatologen erkennen. Die besten Ergebnisse wurden erzielt, wenn KI mit der ärztlichen Einschätzung einer suspekten Läsion kombiniert wurde. Insgesamt stoßen computergestützte Assistenzsysteme auf breite Akzeptanz sowohl unter Patienten als auch Ärzten. Doch sind die vielversprechenden Ergebnisse noch nicht auf den Klinik- oder Praxisalltag übertragbar, da sie unter experimentellen Bedingungen erzielt wurden, zudem ist eine lückenlose Transparenz der KI kaum erreichbar. Klinische Studien zum flächendeckenden Einsatz KI-basierter Assistenzsysteme sind unabdingbar, um den Nutzen und die grundsätzliche Anwendbarkeit computerassistierter Diagnostik in der Praxis zu belegen.