Künstliche Intelligenz kann Hautkrebs besser diagnostizieren als Ärzte, Forschungsberichte

In einer neuen internationalen Studie wurde festgestellt, dass Hautkrebs durch künstliche Intelligenz genauer diagnostiziert wird als erfahrene Dermatologen. Forscher testeten eine Form des maschinellen Lernens, die als Deep Learning Convolutional Neural Network (CNN) bekannt ist, um zu dieser Schlussfolgerung zu gelangen.

Die Studie mit dem Titel „Künstliche Intelligenz für die Melanomdiagnose: Wie können wir dieses Versprechen einlösen“ wurde am 28. Mai in der Krebszeitschrift Annals of Oncology veröffentlicht.

Das bösartige Melanom macht 1 Prozent aller Hautkrebserkrankungen aus, verursacht aber einen Großteil der Todesfälle durch Hautkrebs. Die American Cancer Society schätzt, dass 2018 9.320 Menschen an Melanomen sterben werden, während 91.270 neue Fälle diagnostiziert werden. Im Rahmen der neuen Studie beschlossen Forscher aus den USA, Deutschland und Frankreich, die Leistung eines CNN bei der Diagnose bösartiger Melanome zu testen, indem sie sich Bilder von Muttermalen ansehen.

„Das CNN funktioniert wie das Gehirn eines Kindes“, erklärt Studienautor Professor Holger Haenssle von der Universität Heidelberg.

Mehr als 100.000 Bilder von bösartigen und gutartigen Hautkrebsen und Muttermalen wurden dem Netzwerk zusammen mit der Diagnose für jedes Bild gezeigt.

„Es wurden nur dermoskopische Bilder verwendet, d.h. Läsionen, die mit einer 10-fachen Vergrößerung aufgenommen wurden. Mit jedem Trainingsbild verbesserte der CNN seine Fähigkeit, zwischen gutartigen und bösartigen Läsionen zu unterscheiden“, fügte er hinzu.

Nachdem das Netzwerk trainiert war, wurden zwei Bildergruppen mit neuen Bildern erstellt, die der CNN nie gesehen hat. Der erste Satz von 300 Bildern sollte die Fähigkeiten des CNN allein testen, während der zweite Satz von 100 Bildern sowohl das Netzwerk als auch eine Gruppe von Ärzten testen sollte.

Aus 17 Ländern auf der ganzen Welt haben 58 Dermatologen vereinbart, am Test Mensch gegen Maschine teilzunehmen.

Die Zahl der Hautkrebsfälle, die vom CNN verpasst wurden, war geringer als die, die von Dermatologen unbemerkt geblieben waren, was auf eine höhere Empfindlichkeit hindeutet. Die Fehldiagnose von gutartigen Muttermalen als Melanom sah auch eine niedrigere Rate mit dem Netzwerk, die helfen könnte, unnötige Operationen zu vermeiden.

Im Durchschnitt haben die Dermatologen rund 86,6 Prozent der Melanome korrekt erkannt, während die CNN 95 Prozent davon identifiziert hat. Nachdem die Dermatologen klinische Informationen über die Patienten wie Alter, Geschlecht und Lage der Läsion erhalten hatten, stieg ihre Erfolgsrate bei der Diagnose des Melanoms auf 88,9 Prozent.

„Als Dermatologen mehr klinische Informationen und Bilder auf Stufe II erhielten, verbesserte sich ihre diagnostische Leistung“, sagte Haenssle. „Das CNN, das immer noch ausschließlich aus den dermoskopischen Bildern ohne zusätzliche klinische Informationen arbeitete, übertraf jedoch weiterhin die diagnostischen Fähigkeiten der Ärzte.“

Die Forscher glauben nicht, dass das CNN menschliche Fachleute ersetzen wird, sondern als Instrument zur Verringerung des Risikos von Fehldiagnosen eingesetzt werden kann. Sie fügten hinzu, dass die meisten Dermatologen bereits digitale Dermatoskopiesysteme und andere solche Werkzeuge zur krebsbezogenen Dokumentation, Erkennung und Nachsorge von Patienten verwendeten.

Teilen Ist Liebe! ❤❤❤ 22 shares ❤❤❤

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

shares