KI-basierte Melanomerkennung zeigt erheblichen klinischen Mehrwert

Der Einsatz von Künstlicher Intelligenz (KI) oder Maschinellem Lernen zur Bewertung dermatoskopischer Bilder zur Melanomerkennung hat in mehreren retrospektiven Studien eine hohe diagnostische Genauigkeit gezeigt, die der erfahrener Dermatologen gleichkommt oder sogar übertrifft.

Die Begeisterung für diese Algorithmen wurde bislang jedoch noch nicht durch prospektive klinische Studien unter authentischen klinischen Bedingungen ergänzt. In mehreren europäischen Ländern, darunter auch Schweden, wird die klinische Erstbeurteilung bei Verdacht auf Hautkrebs hauptsächlich von Hausärzten durchgeführt, die möglicherweise keinen Zugang zu teledermatoskopischer Unterstützung durch dermatologische Spezialkliniken haben.

Im Rahmen einer prospektiven, multizentrischen klinischen Studie ermittelten die Autoren die diagnostische Leistung eines KI-basierten klinischen Entscheidungshilfe-Tools zur Erkennung von kutanen Melanomen, das mit einer Smartphone-App betrieben wird. Das Tool kann prospektiv von Ärzten der Primärversorgung zur Beurteilung von Hautläsionen verwendet werden, die aufgrund eines Melanomverdachts Anlass zur Sorge geben.

Die Studie wurde in 36 Primärversorgungszentren in Schweden durchgeführt. Insgesamt wurden 253 besorgniserregende Läsionen bei 228 Patienten erfasst, von denen sich 21 als Melanome erwiesen, darunter 11 dünne invasive Melanome und 10 Melanoma in situ.

Die Genauigkeit der App bei der Identifizierung von Melanomen spiegelte sich in einer AUROC von 0,960 (95%-KI 0,928–0,980] wider, was einer maximalen Sensitivität und Spezifität von 95,2% bzw. 84,5% entspricht. Für invasive Melanome allein lag die AUROC bei 0,988 (95%-KI 0,965–0,997), was einer maximalen Sensitivität und Spezifität von 100% bzw. 92,6% entspricht.

Fazit
Das in dieser Studie evaluierte klinische Instrument zur Entscheidungsfindung zeigte bei prospektiver Anwendung eine hohe diagnostische Genauigkeit, was für Ärzte in der Primärversorgung, die Hautläsionen auf das Vorliegen von Melanomen untersuchen, einen erheblichen klinischen Mehrwert darstellen könnte. (am)

Autor: Papachristou P et al.
Korrespondenz: Magnus Falk; [email protected]
Studie: Evaluation of an artificial intelligence-based decision support for the detection of cutaneous melanoma in primary care
Quelle: Br J Dermatol 2024 Jun 20;191(1):125–133.
Web: https://doi.org/10.1093/bjd/ljae021