Maschine schlägt Mensch bei Hautkrebs-Diagnose

Künst­liche Intelligenz kann Ärzten dabei helfen, Schwarzen Hautkrebs zu erkennen. Bei einem Versuch mit 100 Bildern von bösartigen Melanomen und gutartigen Muttermalen stellte ein Computerprogramm häufiger die richtige Diagnose als 58 Hautärzte. Das schreibt eine Forschergruppe um den Dermato-Onkologen Prof. Holger Hänßle von der Universität Heidelberg im Fachblatt „Annals of Oncology“.

Jährlich wird bei etwa 21.000 Patienten in Deutschland das Malig­ne Melanom diagnostiziert. Die an der Studie beteiligten Dermatologen haben die Hautkrebs-­Diagnose mithilfe künstlicher ­Intelligenz weiterentwickelt. Sie verwenden ein künstliches neuronales Netz, ein „convolutional neural network“ (CNN). Die Forscher trainierten das Programm mit mehr als 100.000 Dermatoskopie-Aufnahmen, die die Hautveränderungen in zehnfacher Vergrößerung zeigen. Zu jedem Bild versorgten die Forscher das Netzwerk mit der korrekten Diagnose.

Derart vorbereitet, sollte das Programm schließlich 100 neue Aufnahmen einordnen. Es erkannte 95 % der Melanome und stufte 63,8 % der gutartigen Muttermale korrekt ein. Bei 58 Hautärzten aus 17 Ländern, die sich an der Untersuchung beteiligten, lag die durchschnittliche Quote der Identifizierung von Melanomen bei 86,6 %.

Von den gutartigen Hautveränderungen erkannten die Mediziner 71,3 %. Das bedeutet, dass sie 28,7 % der harmlosen Muttermale fälschlicherweise als Melanome einstuften. Falsch positive Diagnosen verursachen nicht nur Sorgen bei Ärzten und Patienten, sie treiben auch die Kosten in die Höhe, wenn am Ende unnötig operiert wird.

Selbst wenn die Hautärzte zusätzlich über Geschlecht und Alter der Patienten informiert wurden, sowie Vergrößerungen der Bilder und einen Hinweis auf die betroffene Hautstelle bekamen, verbesserte sich ihre Quote der Melanomerkennung nur auf 88,9 %. Nur einzelne Ärzte erreichten bessere Quoten als das Computerprogramm.

Fazit
Muttermale konnten in der Studie anhand von Dermatoskopie-Aufnahmen von einem Computerprogramm meistens noch besser beurteilt werden als von einem Hautarzt.

Autor: Haenssle HA et al.
Korrespondenz: Hautklinik, Universitätsklinikums Heidelberg, Heidelberg
Studie: Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists.
Quelle: Ann Oncol 2018;29(8):1836–1842.
Web: dx.doi.org/10.1093/annonc/mdy166