Verbesserte Hautkrebsdiagnose: Wenn Mensch und KI kooperieren

Bei schwarzem Hautkrebs, dem sogenannten malignen Melanom, bestehen die besten Heilungschancen, wenn das entartete Gewebe frühzeitig entdeckt wird. Schon jetzt kommt dafür Künstliche Intelligenz (KI) zum Einsatz. Bislang konnte die Maschine mit der komplexen Entscheidungsfindung von Ärztinnen und Ärzten aber noch nicht vollständig mithalten.

Das könnte sich bald ändern. Ein internationales Forschungsteam unter der Leitung von Harald Kittler von der MedUni Wien hat nun das sogenannte Verstärkungslernen als Methode erforscht, bei der menschliche Entscheidungskriterien in die KI eingespeist und damit die Treffsicherheit der Ergebnisse optimiert werden konnten. Die Rate der korrekt gestellten Hautkrebsdiagnosen konnte so um zwölf Prozent verbessert werden. Die Studie wurde nun im Fachblatt Nature Medicine publiziert.

Von menschlicher Einschätzung lernen

Die Forscherinnen und Forscher setzten auf das Reinforcement Learning (RL, dt.: Verstärkungslernen) genannte Lernmodell. Man integrierte menschliche Kriterien in Form von "Belohnungstabellen" in das KI-System. Belohnungstabellen sind Instrumente, die die positiven und negativen Konsequenzen klinischer Bewertungen sowohl aus Sicht der Ärztinnen und Ärzte als auch aus Sicht der Patientinnen und Patienten in den Entscheidungsprozess einbeziehen. Infolge wurden die Ergebnisse der KI-Diagnose nicht nur mit richtig oder falsch bewertet, sondern abhängig von den Auswirkungen der Diagnose mit einer bestimmten Anzahl von Plus- oder Minuspunkten "belohnt" bzw. "bestraft".

➤ Mehr lesen: Hautschutz: Gibt es gesunde Bräune überhaupt?"So lernte die KI nicht nur bildbasierte Merkmale, sondern auch Konsequenzen von Fehldiagnosen in der Einschätzung von gutartigen und bösartigen Hauterscheinungen zu berücksichtigen", verdeutlicht Studienleiter Harald Kittler von der Universitätsklinik für Dermatologie der MedUni Wien.

Dadurch konnte, wie die Studie zeigt, die Treffsicherheit der Diagnose Hautkrebs deutlich verbessert werden. Die Sensitivität für Melanome etwa wurde von 61,4 auf 79,5 Prozent und für Basalzellkarzinome von 79,4 auf 87,1 Prozent erhöht. Insgesamt steigerte sich die Rate korrekten Diagnosen um zwölf Prozent. Gleichzeitig erhöhte sich auch die Rate der optimalen Entscheidungen für die Therapie der Erkrankung von 57,4 auf 65,3 Prozent.

Auch bei anderen Erkrankungen denkbar

Die so verbesserte Leistung der KI-basierten Hautkrebsdiagnose ist auch darauf zurückzuführen, dass durch RL das übermäßige Vertrauen der KI in ihre eigenen Vorhersagen verringert wird und Vorschläge differenzierter, also "menschlicher" werden. "Das wiederum hilft den Ärztinnen und Ärzten dabei, in komplexen medizinischen Szenarien genauere und individuell zugeschnittene Entscheidungen zu treffen", betont Kittler.

➤ Mehr lesen: Hautkrebs: Warum nach der Pandemie die Vorsorge besonders wichtig ist

Die aktuelle Arbeit konzentrierte sich hauptsächlich auf die Hautkrebsdiagnose, die grundlegenden Ideen könnten aber auch in anderen Bereichen der medizinischen Entscheidungsfindung eingesetzt werden.