Künstliche Intelligenz ist bei der Diagnose von Hautläsionen überlegen

Hautläsionen erkennen © Tatjana Bacina / shutterstock.com

Künstliche Intelligenz ist bei der Diagnose von Hautläsionen dem Menschen überlegen, kann bislang sehr erfahrene Ärzte aber nicht ersetzen.

Die Künstliche Intelligenz ist dem Menschen bei der Diagnose von pigmentierten Hautläsionen wie Muttermalen und Melanomen überlegen. Dies ergab ein Studie unter Leitung der MedUni Wien, in der menschliche Experten in einer Art Wettbewerb gegen internationale Bilderkennungsprogramme mit lernfähigen Algorithmen antraten. Unter dem Strich zeigte sich, dass die ausgewählten Programme allgemein klar bessere Ergebnisse erzielten. Dennoch reichen ihre derzeitigen Fähigkeiten nicht aus, den Arzt ersetzen zu können.

 

Erkennen von Hautläsionen: Künstliche Intelligenz Diagnose versus Mediziiner

Zum Erkennen von Hautläsionen traten 511 Mediziner gegen 139 teilnehmende Bilderkennungsalgorithmen an. Hierzu waren 77 verschiedene Laboratorien weltweit an der ISIC Challenge der International Skin Imaging Collaboration (ISIC) beteiligt. Als Lerngrundlage für die Maschinen diente die Bilddatenbank HAM10.000 mit mehr als 10.000 auflichtmikroskopisch angefertigte Aufnahmen mit sieben verschiedenen Klassen an pigmentierten Hautveränderungen. Dazu gehörten die harmlosen Muttermale, Dermatofibromen, Altersflecken sowie Blutschwämmen. Außerdem die bösartigen Melanome, Basalzellkarzinomen und Morbus Bowen (weißer Hautkrebs). Die menschlichen Experten griffen auf ihre fachliche Erfahrung zurück.

 

Eindeutige Ergebnisse

Allen TeilnehmerInnen wurden auf einer Online-Plattform je 30 Bilder aus einem Pool von neuen, nicht in der Bilddatenbank enthaltenen, Aufnahmen vorgelegt. Während die besten menschlichen Diagnostiker 18,8 Bilder von 30 richtig hatten, schafften die besten Maschinen 25,4 richtige Klassifizierungen. Zwei Drittel aller teilnehmenden Maschinen waren besser als der Mensch. Das Ergebnis hat sich bei ähnlichen Versuchen in den vergangenen Jahren auch schon abgezeichnet.

 

Kein Ersatz für den Menschen

Zwar ist die Maschine bei der Bilderkennung in diesem Experiment klar überlegen, doch ersetzt sie den Menschen bei der Diagnose nicht. Der Computer analysiert nur eine optische Momentaufnahme und ist dabei richtig gut. Zur Diagnose eines Patienten gehört aber auch die Verlaufsbeobachtung, die Einschätzung, ob der Betroffene aufgrund diverser Begleitumstände ein Risikopatient ist. Wie sich eine Veränderung der Haut durch Ertasten anfühlt und der Vergleich mit anderen Muttermalen am Körper. Die Interpretation der Ergebnisse ist weiterhin dem Menschen überlassen.

Die Künstliche Intelligenz hat noch Verbesserungspotenzial. So waren die Maschinen bei der Einschätzung von Daten aus Zentren, die keine Trainingsbilder zur Verfügung gestellt hatten, aufgrund der uneinheitlichen Bildqualitäten deutlich schwächer.

Bei den Menschen zeigte sich deutlich, dass Erfahrung ganz besonders wichtig ist. Am besten schnitten jene TeilnehmerInnen ab, die mindestens zehn Jahre an Erfahrung in der Früherkennung von Hautkrebs hatten.


Literatur:

Tschandl et al. Comparison of the accuracy of human readers versus machine-learning algorithms for pigmented skin lesion classification. An open, web-based, international, diagnostic study. The Lancet Oncology. June 11, 2019. DOI:https://doi.org/10.1016/S1470-2045(19)30333-X

Die mobile Version verlassen