Computer bei der Krebsdiagnose: Künstliche Intelligenz tritt gegen Ärzte an

Ein Computer, der ausschließlich anhand von Bildern für die Diagnose und Klassifikation von Hautkrebs trainiert wurde, kann die Krebsart inzwischen wie ein Arzt bestimmen.

In der Science-Fiction-Serie Star Trek prüfte Dr. Leonard McCoy in den 1960er-Jahren mit einem tragbaren „Tricorder“ den Gesundheitszustand von James Kirk und anderen Enterprise-Mitgliedern. Später wurden solche Maschinen Wirklichkeit, etwa als mobile Geräte, die durch die Abbildung menschlicher Haut bestimmte Krebsarten nichtinvasiv, also ohne Eingriff, erkennen können. Natureveröffentlichte eine Studie, nach der künstliche Intelligenz mit fortgeschrittener Bilderkennung Hautläsionen mindestens ebenso gut wie Hautkrebsspezialisten klassifizieren kann.

Hauterkrankungen werden in 3 Hauptgruppen eingeteilt:

1. Nichtproliferative Läsionen, etwa Akne beziehungsweise Pickel;
2. Benigne (gutartige) Läsionen, also Zellvermehrungen, die die Gesundheit nicht bedrohen; und
3. Maligne (bösartige) Läsionen, unkontrolliert wachsende Krebszellen, die sich auf andere Organe des Körpers ausbreiten können und somit metastatisch sind.

Anders als andere Krebsarten kann Hautkrebs durch Betrachtung erkannt werden. Dafür untersuchen Dermatologen Hautflecken oder Muttermale mit einem Dermatoskop, auch als Dermoskopie-, Epilumineszenz- oder Oberflächenmikroskop bezeichnet. Erscheint eine Hautläsion verdächtig, entnimmt der Dermatologe eine Biopsie. Das Gewebe wird ins pathologische Labor geschickt, und ein Pathologe stellt die endgültige Diagnose.

Die Studie

Die Forscher nutzten Deep Learning , eine algorithmische Technik, um einen Computer Bilder analysieren und die Erkrankung diagnostizieren zu lassen (künstliche Intelligenz). Zwischen der Bildanalyse eines Arztes und der eines Computers bei der Diagnose bestehen Unterschiede. Bei der Diagnose des als Melanom bekannten Hautkrebses verwendet der Dermatologe beispielsweise die ABCDE-Kriterien. Jeder Buchstabe steht für ein Merkmal, etwa A für eine asymmetrische Läsionsform. Dies beruht auf seiner bisherigen Erfahrung. Ein Computer muss dieses Vorgehen nicht nachahmen. Stattdessen erkennt er selbst mit einer Erkrankung verbundene Muster und kann seine Daten unabhängig von menschlichen Regeln trainieren. Er kann außerdem Bildmerkmale auswerten, die das menschliche Auge nicht wahrnimmt.

Zum Training verwendeten die Forscher aus 2032 diagnostizierten Hautkrebsfällen 129450 Bilder von Hautläsionen und die jedem Bild zugeordneten Merkmale. Die Referenzdiagnosen stammten von Dermatologen.

Anschließend legte das Forschungsteam dem trainierten Computer und 21 Ärzten eine Gruppe zuvor nicht diagnostizierter Hautläsionsbilder vor. Die Befunde wurden durch Biopsien bestätigt. Der Computer diagnostizierte die Bilder auf einem ähnlichen oder höheren Niveau als die Ärzte.

Dass die Studienbilder größer als Standardbilder waren, könnte ein Grund für den höheren Erfolg der künstlichen Intelligenz sein. Außerdem verbessern neue eingespeiste Daten ihre Fähigkeiten weiter. Die Forscher betonten, diese Studie sei lediglich ein Schritt und nicht der Höhepunkt der Informationstechnologie im Gesundheitswesen. Verwendet wurde der Algorithmus „Inception v3“; inzwischen existieren neue Programme und Algorithmen, die schneller und genauer vorhersagen können.

Künstliche Intelligenz wird künftig gewiss ihren Platz in der Diagnosetechnologie einnehmen und die Qualität der Gesundheitsversorgung erhöhen. Eine Smartphone-App könnte dies wirksam, einfach und kostengünstig ermöglichen. Allerdings wird auch angenommen, dass KI-gesteuerte Diagnosen unerwünschte Folgen haben könnten.

Mit Informationstechnologie erscheint es möglich, viele Krebsarten früher und mit geringerem Aufwand zu erkennen. Damit künstliche Intelligenz auch klinische, also behandlungsbezogene Entscheidungen treffen kann, die einen hochkomplexen Prozess darstellen, muss sie sich jedoch noch in vielen Bereichen bewähren. Bis dahin wird sie die Gesundheitsversorgung zunehmend unterstützen.