Können Computer Hautkrankheiten so gut erkennen wie Hautärzte?
In China ist die Diagnose von Hautkrankheiten oft verzögert, weil es zu wenige Hautärzte gibt. Auf einen Hautarzt kommen etwa 60.000 Patienten. Die meisten erfahrenen Hautärzte arbeiten in großen Städten. In ländlichen Gebieten fehlt es an Fachwissen, was zu Fehldiagnosen oder verspäteten Behandlungen führt. Um dieses Problem zu lösen, wurde ein Computersystem entwickelt, das Hautkrankheiten mithilfe von Hautbildern erkennen kann. Dieses System soll Patienten vorab untersuchen und so die Arbeit der Hautärzte erleichtern. Eine aktuelle Studie hat untersucht, wie gut dieses System im Vergleich zu 164 Hautärzten Hauttumore und Schuppenflechte (Psoriasis) erkennen kann.
Wie funktioniert das System?
Das System verwendet eine spezielle Art von Computerprogramm, das sogenannte Convolutional Neural Network (CNN). Dieses Programm wurde mit Hautbildern trainiert, die zwischen 2016 und 2018 in der Hautklinik des Peking Union Medical College Hospitals aufgenommen wurden. Es gab zwei Datensätze: Der erste bestand aus 7.192 Bildern, um drei häufige Hauttumore zu erkennen – Basalzellkarzinom (BCC), Muttermal (MN) und seborrhoische Keratose (SK). Der zweite Datensatz umfasste 3.115 Bilder, um Schuppenflechte von anderen entzündlichen Hautkrankheiten zu unterscheiden.
Wie gut war das System im Vergleich zu Hautärzten?
Das System wurde mit 164 Hautärzten verglichen, die 130 Hautbilder untersuchten. Die Diagnosen der Hautärzte und des Systems wurden mit den Ergebnissen von Experten verglichen. Bei Basalzellkarzinom erkannten die Hautärzte 77% der Fälle richtig (Sensitivität) und hatten eine Genauigkeit von 96,2% (Spezifität). Das System erreichte eine Sensitivität von 80% und eine Spezifität von 100%. Bei Muttermalen lagen die Werte der Hautärzte bei 80,7% und 89,7%, während das System 80% und 84% erreichte. Bei seborrhoischer Keratose erkannten die Hautärzte 62,4% der Fälle richtig mit einer Spezifität von 97,6%, das System 85% und 94%. Bei der Erkennung von Schuppenflechte erreichten die Hautärzte eine Sensitivität von 87,2% und eine Spezifität von 83,8%, das System 100% und 60,5%.
Was bedeutet das für die Praxis?
Die Studie zeigt, dass das Computersystem ähnlich gut wie Hautärzte Hautkrankheiten erkennen kann. Dies ist besonders wichtig in Regionen, wo es zu wenige Hautärzte gibt. Das System könnte in Krankenhäusern eingesetzt werden, um Patienten vorab zu untersuchen und so die Arbeit der Hautärzte zu erleichtern. Es könnte helfen, Diagnosen schneller und genauer zu stellen.
Wie wurde das System trainiert?
Die Hautbilder wurden mit einem speziellen Gerät, dem MoleMax HD 1.0, aufgenommen. Experten mit mehr als fünf Jahren Erfahrung haben die Bilder bewertet. Bilder mit schlechter Qualität oder Störfaktoren wie Kleidungsfasern oder Haare wurden ausgeschlossen. Die Bilder wurden in Trainings-, Validierungs- und Testgruppen aufgeteilt. Das System wurde mit dem GoogLeNet Inception v3 Modell trainiert, einer bekannten Methode für Bilderkennung.
Was sind die Grenzen der Studie?
Die Studie hat einige Einschränkungen. Erstens stammen die Daten nur aus einem Krankenhaus, was die Übertragbarkeit der Ergebnisse einschränken könnte. Zweitens basiert die Diagnose nur auf Hautbildern, während Hautärzte auch andere Informationen wie die Krankengeschichte des Patienten berücksichtigen. Drittens wurden nur 11 Hautkrankheiten untersucht, was nur einen kleinen Teil der möglichen Hautveränderungen abdeckt.
Fazit
Die Studie zeigt, dass Computersysteme mit Hautbildern Hautkrankheiten ähnlich gut erkennen können wie Hautärzte. Dies könnte besonders in Regionen mit wenig Zugang zu Hautärzten hilfreich sein. Weitere Forschung sollte mehr Daten und zusätzliche Informationen einbeziehen, um die Genauigkeit des Systems zu verbessern.
For educational purposes only.
doi.org/10.1097/CM9.0000000000001023