Was taugt Hautkrebs-Früherkennung mit KI?

Bösartige Hauttumoren erkennen

Was taugt Hautkrebs-Früherkennung mit KI?

KI-basierte Systeme werden darauf trainiert, Hautkrebs frühzeitig und zuverlässig zu erkennen. Wie vielversprechend sie sind, erfahren Sie hier.

Im Gegensatz zum weißen Hautkrebs bildet schwarzer Hautkrebs deutlich häufiger Tumorabsiedlungen (Metastasen). Früh erkannt, lässt sich schwarzer Hautkrebs meist gut behandeln. KI-basierte Systeme sollen helfen, den bösartigen Hauttumor frühzeitig zu erkennen, bevor er streut. Wie realistisch ist dieser Wunsch?

Die Idee klingt vielversprechend: Algorithmen untersuchen Hautfotos oder Dermatoskopie-Bilder und erkennen verdächtige Muttermale, lange bevor sie für das menschliche Auge auffällig sind. Gerade in Zeiten, in denen Hautkrebserkrankungen weltweit zunehmen, könnte eine KI-gestützte Früherkennung helfen. Laut dem Krebsinformationsdienst (KID) am Deutschen Krebsforschungszentrum (DKFZ) deuten viele Studien an, dass Künstliche Intelligenz (KI) auf medizinischen Bildern Krebs gut erkennen kann, oft mindestens so gut wie Ärzte und Ärztinnen selbst. Besonders gut untersucht sei das für Hautkrebs.

Mithilfe großer Bilddatensätze können Algorithmen dermatoskopische Aufnahmen von Hautveränderungen, etwa dunkle Flecken, innerhalb von Sekunden miteinander vergleichen und auswerten. Moderne Systeme erfassen sogar die gesamte Hautoberfläche und erkennen, welche Pigmentierungen neu dazugekommen sind, sich verändert haben oder auffällig sind.

Bislang sind viele Ergebnisse positiv: Je nach eingesetztem KI-Modell und Studie konnten über 90 Prozent Zuverlässigkeit erreicht werden. Damit sind die Einschätzungen der KI mit denen erfahrener Dermatologen und Dermatologinnen vergleichbar. Erklärbare KI-Systeme (Explainable Artificial Intelligence), die ihre Diagnosen mit fachspezifischen Erklärungen ergänzen, verbessern die Diagnosestellung nochmals deutlich. Das stärkt das Vertrauen seitens der Ärzte und Patienten in KI-Befunde.

Generell wird der KI mit Offenheit begegnet. 2021 bis 2022 führte der Krebsinformationsdienst eine Umfrage zum Einsatz von KI zur Krebsdiagnostik durch. Fast alle Teilnehmenden waren damit einverstanden, dass Ärztinnen und Ärzte KI zur Diagnostik einsetzen – auch für sie persönlich. Dabei sah der Großteil der Befragten die KI ganz klar als ergänzende Maßnahme: Die KI-basierte Diagnostik sollte nach der Einschätzung von etwa drei Vierteln der Teilnehmenden als Assistenzsystem das ärztliche Personal unterstützen und nicht ersetzen.

Zudem war es für den Großteil der Teilnehmenden wichtig, dass Ärztinnen und Ärzte die Entscheidungen durch die KI verstehen und überprüfen können. Für einige Befragte war es wichtig, auch selbst die Einschätzung der KI nachvollziehen zu können. Als gut geeignet wurden Systeme angesehen, welche die für die Entscheidung wichtigen Bildbereiche „einzeichneten“.

Die Forschungen zur KI laufen seit einigen Jahren intensiv. Beispielsweise haben der Hautarzt Titus Brinker und sein Forschungsteam vom Deutschen Krebsforschungszentrum (DKFZ) in Heidelberg 2023 gemeinsam mit 116 Hautärzten weltweit ein KI-Assistenzsystem entwickelt, das schwarzen Hautkrebs genauer diagnostizieren kann als erfahrene Hautärzte.

Die KI ist in der Lage, die gestellte Diagnose zu begründen, indem sie die relevanten Strukturmerkmale der Hautveränderung in Fachsprache nennt, beschreibt und präzise in die Bildaufnahmen einzeichnet. Das hilft Medizinern, die digitale Diagnose nachzuvollziehen und zu überprüfen. Das Ziel des KI-Systems ist, ein besseres und sichereres Screening für Patienten zu ermöglichen.

Damit KI-Modelle zuverlässige Ergebnisse liefern können, ist die Bilddatenbank, auf die sie zugreifen und von der sie lernen, von großer Bedeutung. Für eine hohe Zuverlässigkeit braucht es große Datenmengen aus gut kontrollierten Datensätzen sowie eine hohe Bildqualität der Dermatoskopie-Bilder. Auch sollten die KI-Modelle Zugriff auf verschiedene Hautzustände, Hauttypen sowie seltene oder untypische Hautveränderungen haben. Je vielfältiger die eingespeisten Daten sind, desto präziser sind die Auswertungen.