SucheTrefferlisteDermatologische Differenzialdiagnose: Algorithmus kann den Pathologen unterstützen

MEDIZINREPORT: Studien im Fokus

Dermatologische Differenzialdiagnose: Algorithmus kann den Pathologen unterstützen

Dtsch Arztebl 2019; 116(27-28): A-1333 / B-1099 / C-1083

Zylka-Menhorn, Vera

Als E-Mail versenden...
Auf facebook teilen...
Twittern...
Drucken...
LNSLNS
Foto: NCT Heidelberg
Foto: NCT Heidelberg

Heidelberger Wissenschaftler haben erstmalig demonstriert, dass künstliche Intelligenz das Potenzial hat, die Genauigkeit der Diagnostik von Hautkrebs an Gewebeschnitten zu verbessern. Nach wie vor ist die Untersuchung einer Gewebeprobe der Goldstandard in der Diagnostik bei Verdacht auf malignes Melanom. Die Proben werden so gefärbt, dass sich verschiedene Gewebe-strukturen im mikroskopischen Bild unterscheiden lassen. Internationale Studien zeigen, dass 2 Pathologen bei der Entscheidung, ob es sich um ein Muttermal oder ein malignes Melanom handelt, in bis zu 26 % der Fälle zu unterschiedlichen Ergebnissen gelangen.

Untersucht wurden 345 mit Melanom- und 350 mit Muttermalbiopsien beladene anonymisierte Objektträger, die zuvor nach Leitlinie durch einen erfahrenen Pathologen klassifiziert worden waren. Anschließend wurden zufällig ausgewählte Bildausschnitte von 595 der 695 Objektträger für das Training des Algorithmus eingesetzt. Die übrigen 100 Bildausschnitte – 50 Melanom versus 50 Muttermale – wurden verwendet, um die diagnostische Qualität des lernfähigen Algorithmus gegenüber dem Pathologen zu testen.

Das Ergebnis: Zum Teil irrte sich die künstliche Intelligenz genauso häufig wie die Pathologen. Im Regelfall traf der Computer aber mehr richtige Entscheidungen und das in weniger als jeweils einer Sekunde. „Das Potenzial sehen wir derzeit vor allem in der Form von Assistenzsystemen, die frühzeitig Alarm schlagen, wenn bei einer Probe Hautkrebsverdacht besteht, sodass weitere Färbungen angefordert werden können. Hierzu bedarf es jedoch prospektiver klinischer Studien“, betont Prof. Dr. med. Alexander Enk, Direktor der Universitäts-Hautklinik.

Fazit: Studienleiter Dr. med. Titus Brinker, Leiter des Skin-Classification-Projekts, sieht die Attraktivität einer künstlichen Intelligenz in der Pathologie auch in der Neuartigkeit des Diagnoseprozesses: „Ein trainierter Algorithmus entscheidet anders als ein Mensch: Er erkennt subvisuelle Muster auf Pixelebene und lässt sich, anders als das menschliche Auge, von optischen Täuschungen weniger beeinflussen. Dieser zusätzliche digitale Blickwinkel auf den Objektträger wird Pathologen dabei unterstützen, Hautkrebs noch präziser zu diagnostizieren.“ Bis zu einer erfolgreichen klinischen Implementierung sei noch viel Forschungsarbeit notwendig.

Dr. med. Vera Zylka-Menhorn

Hekler A, Utikal JS, Enk AH, et al.: Pathologist-level classification of histopathological melanoma images with deep neural networks. European Journal Of Cancer, 2019 doi.org/10.1016/j.ejca.2019.04.021.

Leserkommentare

E-Mail
Passwort

Registrieren

Um Artikel, Nachrichten oder Blogs kommentieren zu können, müssen Sie registriert sein. Sind sie bereits für den Newsletter oder den Stellenmarkt registriert, können Sie sich hier direkt anmelden.