Hautkrebs: Neue Diagnostik könnte künftig den entscheidenden Unterschied machen

Wie das Robert Koch-Institut berichtet, erkranken pro Jahr rund 11.000 Frauen und 12.00 Männer am malignen Melanom, dem schwarzen Hautkrebs. Als Fünf-Jahres-Überlebensrate nennen Forscher 93% bei Frauen beziehungsweise 91% bei Männern. Die Zehn-Jahres-Überlebensrate liegt bei 92% beziehungsweise 88%. Das heißt: Wer erkrankt, hat heute gute Chancen auf eine echte Heilung – falls Hautkrebs rechtzeitig entdeckt wird. Die Herausforderung ist, viele Menschen in kurzer Zeit zu untersuchen. Ein geeignetes Verfahren muss preisgünstig sein, einen hohen Prozentsatz der Melanome richtig zu erkennen (Sensitivität), aber wenig Gesunde fälschlich als Hautkrebs-Patienten zu identifizieren (Spezifität).

Ingenieure am Massachusetts Institute of Technology (MIT) Cambridge zeigen jetzt, wie es bereits mit handelsüblichen Smartphones inklusive Kamera gelingt, zu prognostizieren, ob eine Hautläsion mit großer Wahrscheinlichkeit Krebs ist – und nach diesem Screening vom Dermatologen begutachtet werden sollte. Sie arbeiten mit einem speziellen neuronalen Netz, dem Convolutional Neural Network, um Bilddaten zu analysieren. „Unsere Früherkennung könnte Leben retten“, hofft Luis R. Soenksen vom MIT.

Die Zukunft der Diagnostik: Krebs kann man riechen

Studie mit mehr als 20.000 Fotos – teils mit Hautkrebs, teils ohne Melanom 

Soenksen und Kollegen entwickelten ihr neuronales Netz und evaluierten es mit Testdaten. Ihnen standen 20.388 Weitwinkel-Aufnahmen des Brustbereichs oder des Rückens zur Verfügung. Sie kamen von 133 Patienten aus dem Madrider Krankenhaus Gregorio Marañón oder waren, etwa über medizinische Bildsammlungen, online verfügbar. Ein zentraler Aspekt: Alle Fotos wurden mit normalen Kameras aufgenommen, wie die Verbraucher am Smartphone haben.

Das automatisierte System erkennt, extrahiert und analysiert alle pigmentierten Hautläsionen, die im Weitwinkel erkennbar sind. Das vorab trainiertes Deep Convolutional Neural Network (DCNN) bestimmt anschließend das relative Hautkrebs-Risiko. Es markiert alle Läsionen mit vordefinierten Farbcodes:

• Weiß: Die Läsion ist unauffällig.
• Gelb: Ärzte sollen weitere Untersuchungen in Betracht ziehen.
• Rot: Hier ist das Hautkrebs-Risiko hoch. Eine Biopsie macht Sinn.

Dermatologen, die mit Forschern am MIT zusammenarbeiten, klassifizierten alle Läsionen anhand medizinischer Kriterien und verglichen ihre Ergebnisse mit dem KI Tool. Sie fanden heraus, dass das System eine Empfindlichkeit von mehr als 90,3% bei der Unterscheidung gefährlicher und harmloser Hautläsionen hat. Rein zu diagnostischen Zwecken müssen weitaus weniger Biopsien, also Proben, genommen werden. „Unsere Untersuchungen legen nahe, dass die Systeme eine vergleichbare Genauigkeit erzielen können wie erfahrene Dermatologen“, erklärt Soenksen. „Wir hoffen, dass unsere Forschung den Wunsch nach effizienteren dermatologischen Screenings in der Grundversorgung wiederbelebt, um angemessene Überweisungen zu ermöglichen.“

Bis Patienten davon profitieren, wird noch etwas Zeit vergehen. Denn die Forscher müssen noch weitere Daten sammeln und im besten Fall einen Zulassungsantrag bei der US Food and Drug Administration stellen, damit das Verfahren zur Hautkrebs-Diagnostik eingesetzt werden kann.

Corona: Smartphone findet Infizierte mit KI

KI in der Medizin  

Die Idee, künstliche Intelligenz in der Medizin einzusetzen, ist in der Tat nicht neu und gibt es nicht nur bei Hautkrebs. Gerade Pathologen untersuchen tagtäglich präparierte Gewebeschnitte, um darin Hinweise auf Krebserkrankungen zu finden. Dazu zählen Erkrankungen wie Brustkrebs, Prostatakrebs und viele mehr. Die Tätigkeit ist monoton, aber wichtig. Verschiedene Studien zeigen, dass KI Tools teilweise ähnlich gut wie Pathologen ist, teilweise sogar besser. Kombinierte man künstliche Intelligenz mit ärztlichem Wissen, führte das zu den besten Resultaten.

Das Deutsche Krebsforschungszentrum (DKFZ) berichtet von einem Verfahren, um Algorithmen für verschiedene Bilddatensätze zu konfigurieren – ohne dass dafür Expertenwissen erforderlich wäre. Daten kommen aus der Magnetresonanztomografien (MRT) beziehungsweise aus der Computertomografie (CT). Das nnU-Net-Verfahren hilft Anwendern, auch mit wenig Erfahrung Testdaten einzuspielen und anschließend Daten der Bildgebung auszuwerten. Ziel ist, in Aufnahmen zu erkennen, ob ein Tumor vorhanden ist und – falls ja – wo die Grenzen zwischen gesundem und malignem Gewebe liegen.

Auch im logistischen Bereich hat KI viel zu bieten. Am Uniklinikum Essen haben Ärzte gezeigt, dass ihr Projekt „AutoPiLoT“ die Versorgung mit Blutkonserven verbessert. Es wertet aktuelle und historische Daten aus, um etwaige Muster zu erkennen. Alles in allem gilt KI als nächste große Revolution in der Medizin, und das nicht nur bei Hautkrebs