Hautkrebs-Untersuchung durch einen Dermatologen: In Sachen Diagnostik sind menschliche Befunder einer KI überlegen – noch.

Bildquelle: Adobe Stock/ Evgeniy Kalinovskiy

News • Studie zu "reinforced learning"

Neue Methode hilft KI, Hautkrebs zu diagnostizieren

Künstliche Intelligenz (KI) wird bereits jetzt bei der Diagnose von Hautkrebs eingesetzt, kann aber mit der komplexen Entscheidungsfindung von Ärzten in der Praxis (noch) nicht schritthalten.

Ein internationales Forschungsteam unter Leitung von Harald Kittler von der MedUni Wien hat nun das sogenannte Verstärkungslernen als Methode erforscht, bei der durch Einbeziehung menschlicher Entscheidungskriterien mehr Treffsicherheit in den Ergebnissen der KI erzielt werden kann. So konnte die Rate der von Dermatologen gestellten korrekten Hautkrebsdiagnosen um 12% verbessert werden. Die Studie wurde aktuell im Journal Nature Medicine publiziert

Die Forscher setzten im Rahmen ihrer Studie auf das Reinforcement Learning (RL, dt.: Verstärkungslernen) genannte Lernmodell und integrierten (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 Ärzte als auch aus Sicht der Patienten in den Entscheidungsprozess einbeziehen. Auf dieser Grundlage wurden Ergebnisse der KI-Diagnose nicht nur mit richtig oder falsch bewertet, sondern abhängig von den Auswirkungen der Diagnose bzw. der daraus folgenden Entscheidungen mit einer bestimmten Anzahl von Plus- oder Minuspunkten „belohnt“ bzw. „bestraft“.

Das wiederum hilft den Ärzten dabei in komplexen medizinischen Szenarien genauere und auf Patienten individuell zugeschnittene Entscheidungen zu treffen

Harald Kittler

„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% und für Basalzellkarzinome von 79,4% auf 87,1% erhöht. Insgesamt steigerte sich durch den Einsatz von RL die Rate der von Dermatologen gestellten korrekten Diagnosen um 12%, während sich die Rate der optimalen Entscheidungen für Management und Therapie der Erkrankung von 57,4% auf 65,3% erhöhte. 

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, „menschlicher“ werden. „Das wiederum hilft den Ärzten dabei in komplexen medizinischen Szenarien genauere und auf Patienten individuell zugeschnittene Entscheidungen zu treffen“, betont Harald Kittler im Vorfeld weiterer Forschungen zum Thema. Die aktuelle Arbeit konzentrierte sich zwar hauptsächlich auf die Hautkrebsdiagnose, aber die grundlegenden Ideen könnten auch in anderen Bereichen der medizinischen Entscheidungsfindung eingesetzt werden. 


Quelle: Medizinische Universität Wien

28.07.2023

Mehr aktuelle Beiträge lesen

Verwandte Artikel

Photo

News • Ethische Fragen zur KI in der psychiatrischen Praxis

Alzheimer und Depression: Diagnose vom Computer?

KI birgt enormes Potenzial bei der Diagnostik neuropsychiatrischer Erkrankungen – Forscher untersuchen die wissenschaftliche, ethische und soziale Bedeutung dieser Entwicklung.

Photo

News • Klassifizierung von Tumoren

Nasenhöhlenkrebs: KI bringt Schub für Diagnostik

Forschende aus München und Berlin haben eine Methode entwickelt, um mithilfe von künstlicher Intelligenz schwer diagnostizierbare Nasenhöhlentumore zu klassifizieren.

Photo

Interview • Echokardiographie-Update

Herzinfarkt oder Takotsubo? Wie KI die Kardio-Diagnostik unterstützen könnte

Herzinfarkt und Takotsubo ('Broken-Heart-Syndrom') sind sich zum Verwechseln ähnlich, müssen jedoch unterschiedlich behandelt werden - KI soll künftig bei der Unterscheidung helfen.

Verwandte Produkte

Arietta 650 DeepInsight

Ultrasound

Fujifilm · Arietta 650 DeepInsight

FUJIFILM Europe GmbH
iQ-VIEW

Reading

Image Information Systems · iQ-VIEW

IMAGE Information Systems Europe GmbH
3DQuorum SmartSlices

Artificial Intelligence

Hologic · 3DQuorum SmartSlices

Hologic, Inc.
Advanced intelligent Clear-IQ Engine for MR

Artificial Intelligence

Canon · Advanced intelligent Clear-IQ Engine for MR

Canon Medical Systems Europe B.V.
Newsletter abonnieren