Vorsorge mit Künstlicher Intelligenz?

Moderne Technik in der Dermatologie Prof. Dr. med. Holger Hänßle, Heidelberg, beleuchtet
die zunehmende Anwendung Künstlicher Intelligenz als diagnostische Methode in der Dermatologie
aus seiner eigenen Erfahrung und gibt einen Ausblick auf die zu erwartende Zukunft.

Prof. Dr. med. Holger Hänßle (Foto: privat)
Prof. Dr. med. Holger Hänßle (Foto: privat)

Seit der richtungsweisenden Publikation der Arbeitsgruppe um Esteva et al. in Nature 2017 zur Anwendung Künstlicher Intelligenz (KI) in der Dermatologie gibt es aus meiner Sicht keine Zweifel an der praktischen Eignung solcher Technologien. Ich sehe die Künstliche Intelligenz dabei jedoch allein als ein unterstützendes Momentum für den behandelnden Arzt.


Höchstmögliche Zustimmung


Eine demnächst erscheinende Studie aus unserer Arbeitsgruppe hatte zum Ziel, das Patientenvertrauen in computergestützte Diagnosesysteme zu evaluieren. Ein klares Statement der Patienten kam zu der Frage, ob die Ergebnisse aus einer computergestützten, automatisierten Diagnostik vom behandelnden Arzt bewertet werden sollten. Hier antworteten alle (100 %) der Studienteilnehmer mit der höchstmöglichen Zustimmung. Neben den unzähligen rechtlichen Hürden erscheint somit eine flächendeckende Aufstellung KI-basierter Diagnosesysteme in Supermärkten/Apotheken oder die Implementierung in patienteneigenen Smartphone-Apps in näherer Zukunft nicht durchsetzbar.
Nicht jeder Dermatologe oder Allgemeinmediziner kann auf ein intensives dermatoskopisches Training während der Facharztausbildung zurückblicken.

 

"Die Frage ist nicht, ,ob‘ die Künstliche Intelligenz einen Platz in der Hautkrebsfrüherkennung einnehmen wird, sondern ,wann‘ und in welcher Form."

 

Eine kürzlich erschienene wissenschaftliche Querschnittsstudie zu Ausbildung und Verwendung der Dermatoskopie in Deutschland hat klare Defizite in diesen Bereichen aufgedeckt. Es wäre daher in der Tat sehr wünschenswert, allen Ärzten, welche aktiv am Hautkrebs-Screening beteiligt sind, eine Technologie an die Hand zu geben, welche eine hohe diagnostische Genauigkeit unabhängig vom eigenen Ausbildungsstand sicherstellt.


Convolutional Neural Network (CNN)


Die Algorithmen aus der genannten Publikation von Esteva et al. bedienten sich eines selbstlernenden „Convolutional Neural Network (CNN)“. Solche Algorithmen werden im Grunde wie das Gehirn eines kleinen Kindes trainiert. Dabei sind für das Training digitale (dermatoskopische) Bilder mit dazugehöriger Diagnose ausreichend. Der Computeralgorithmus zerlegt nun das Bild und merkt sich bedeutende Strukturmuster auf Pixelebene. Nach „Fütterung“ vieler Tausend Bilder und Abschluss der Trainingsphase ist der Algorithmus dann in der Lage, mithilfe seiner eigenen, autonom erstellten Regeln beispielsweise maligne Melanome von benignen melanozytären Naevi zu unterscheiden. Dies gelingt dann in der Regel mit einer Trefferquote, welche die diagnostische Genauigkeit von trainierten Dermatologen übertrifft.


Zweitmeinung in Sekundenbruchteilen


In einem ersten Evolutionsschritt könnte ein Hautkrebs-Screening ablaufen wie bisher auch, nur dass der behandelnde Arzt die Möglichkeit hätte, in Sekundenbruchteilen eine Zweitmeinung zu einem dermatoskopischen Bild mithilfe eines echten „Expertensystems“ einzuholen. In der weiteren Zukunft werden vermutlich Ganzkörper-Fotografiesysteme an Bedeutung gewinnen, sodass bereits bei diesem Schritt künstliche Intelligenzalgorithmen Empfehlungen zur näheren (dermatoskopischen) Untersuchung bestimmter Pigmentläsionen geben werden. Dieser zweite Evolutionsschritt würde, gute Ergebnisse aus kontrollierten Studien vorausgesetzt, den behandelnden Arzt dann auch zeitlich sehr entlasten.

 

Kontakt
Prof. Dr. med. Holger Hänßle
Oberarzt der Universitäts-Hautklinik Heidelberg
Im Neuenheimer Feld 440
69120 Heidelberg
Tel.: 06221 / 56 85 76
 

Aktuelle Ausgabe

Hier finden Sie frühere Ausgaben von DERMAforum