Zum Inhalt
Prof. Dr. Mustafa Özdoğan · Facharzt für medizinische Onkologie
Kontakt+90 (538) 677 60 18

Kann ein Handyfoto Augenkrebs erkennen?

Kann ein Handyfoto Augenkrebs erkennen?
In diesem Artikel

Die Handykamera als Screeninggerät: Eine KI-gestützte App erkannte Krebs der Augenoberfläche auf Fotos

Quelle: Wang R, Bi S, Lin D, Li M et al. „Smartphone-Based Proactive Self-Screening for Ocular Surface Malignancies: A Nonrandomized Clinical Trial.“ JAMA Ophthalmology, online am 4. Juni 2026, DOI 10.1001/jamaophthalmol.2026.1609. Sun-Yat-sen-Universität, Guangzhou, China. ClinicalTrials.gov: NCT05645341. Begleitender eingeladener Kommentar: JAMA Ophthalmology, dieselbe Ausgabe. Dieser Artikel beruht auf einer Paraphrase der Originalpublikation und des eingeladenen Kommentars; er enthält keine direkten Zitate.
Kann das Handy in Ihrer Tasche zu einem Screeninggerät werden, das einen seltenen Augenkrebs früh erkennt? Eine in China durchgeführte und in JAMA Ophthalmologyveröffentlichte klinische Studie zeigte, dass dies erstaunlich gut möglich ist. CaptureTumor (CaT) , eine KI-gestützte Smartphone-App, analysierte von Nutzern aufgenommene Fotos ihrer eigenen Augen und erkannte bösartige pigmentierte/farbige Läsionen der Augenoberfläche mit einer Genauigkeit, die nahezu der eines Spezialisten entsprach. Darüber hinaus deckte sie zahlreiche bislang unbemerkte Krebserkrankungen auf und bot einen Überweisungsweg, der Patienten wesentlich schneller und mit deutlich weniger Stationen zur spezialisierten Versorgung führte. Dieser Ansatz regt dazu an, das übliche krankenhauszentrierte Modell des „Krebsscreenings“ neu zu überdenken: Er verbindet Öffentlichkeitsaufklärung, KI-Triage und fachärztliche Überweisung in einem einzigen „geschlossenen Kreislauf“ als dezentralisiertes Modell zum Screening seltener Erkrankungen. Allerdings zeigt die Studie neben ihrem Potenzial auch ihre Grenzen offen auf. Die entscheidenden Fragen betreffen, ob dieser vielversprechende Machbarkeitsnachweis im Alltag skalierbar ist.
AUC 0,977
Unterscheidungsleistung beim Screening im Alltag: Sensitivität 89,3%, Spezifität 95,9%
19 neue Diagnosen
Von 20 histopathologisch bestätigten malignen Tumoren waren 19 zuvor nicht diagnostiziert worden
3,69 → 1,02
Durchschnittliche Zahl der Überweisungen vor der definitiven Behandlung (P<0,001)
— DAS PROBLEM: SELTEN, ABER GEFÄHRLICH UND SPÄT ERKANNT —

Tumoren der Augenoberfläche, etwa Bindehautmelanome oder Plattenepithelneoplasien der Augenoberfläche, sind selten, können jedoch Leben und Sehvermögen bedrohen. Das Problem: Aufgrund ihrer Seltenheit sind diese Tumoren in der Bevölkerung wenig bekannt; eine definitive Diagnose erfordert erfahrene Augenärzte, Pathologen und spezielle Bildgebung mit einer Spaltlampenuntersuchung. Daher werden Patienten häufig von einem Zentrum zum nächsten überwiesen, die Diagnose verzögert sich und die Erkrankung kann fortschreiten. Die Studie zielt genau auf diesen „späten und umständlichen Diagnoseweg“ ab.

Worauf konzentrierte sich die Studie?

CaptureTumor ist ein smartphonebasiertes KI-System, das speziell auf das Selbstscreening pigmentierter (farbiger/melanozytärer) bösartiger Tumoren der Augenoberfläche ausgerichtet ist. Es wurde in einer 6-monatigen prospektiven, nicht randomisierten klinischen Studie in ganz China entwickelt und validiert. Ziel ist, dass Menschen zu Hause mit dem eigenen Handy eine Voruntersuchung durchführen können.

— WIE FUNKTIONIERT ES? DAS MODELL DES „GESCHLOSSENEN KREISLAUFS“ —

Die Stärke der App liegt nicht allein im KI-Algorithmus, sondern auch in ihrem integrierten Design, das Screening, Triage und Überweisung zu einem durchgehenden Ablauf verbindet. So funktioniert dieser Ablauf.

📱 WIE WURDE DIE KI TRAINIERT UND ANGEWENDET?

Training: Das Deep-Learning-Modell wurde mit Spaltlampenbildern trainiert, die Spezialisten über 12 Jahre aufgenommen hatten. Anschließend erfolgte eine Feinabstimmung mit Smartphone-Fotos, die die Prüfungen der App für Bildausschnitt, Fokus und Belichtung bestanden. Das Modell wurde also von „professionellen Bildern“ auf „Handybilder“ angepasst.

Anwendung: Die App wurde als „Mini-Programm“ auf der in China verbreiteten Plattform WeChat angeboten. Sie gab Echtzeit-Anleitungen zur Fotoaufnahme, prüfte automatisch die Bildqualität, verarbeitete Bilder in der Cloud, ermöglichte die Prüfung der Uploads durch klinisches Fachpersonal innerhalb von 24 Stunden und überwies Fälle mit hohem Risiko an spezialisierte Zentren.

Schema — Screeningmodell des „geschlossenen Kreislaufs“
Öffentlichkeitsaufklärung → KI-geführtes Foto → Qualitätskontrolle → klinische Bestätigung → fachärztliche Überweisung.
📣 Öffentlichkeitsaufklärung → 📱 KI-Fotoanleitung → ☁️ Cloudanalyse → 👨‍⚕️ Klinische Prüfung in 24h → 🏥 Fachärztliche Überweisung
Die Neuerung liegt nicht in einem einzelnen Schritt, sondern in der nahtlosen Verbindung dieser gesamten Kette innerhalb einer App. Genau diese Struktur bezeichnet der eingeladene Kommentar als „geschlossenen Kreislauf“.
— STUDIENDESIGN UND TEILNEHMER —

METHODIK — WESENTLICHE PUNKTE

  • Design: Nicht randomisierte klinische Studie in ganz China (NCT05645341), zur Entwicklung und Validierung einer Smartphone-App.
  • Teilnehmer: Zwischen Dezember 2022 und Juni 2023 wurden 614 Teilnehmer im Alter von 4-87 Jahren, Median 46, mit einem Frauenanteil von 49% über Fernsehen, soziale Medien und Internetkrankenhäuser erreicht. Die endgültige Analyse umfasste 805 Bilder von 535 Teilnehmern.
  • Referenz (Goldstandard): Augenärzte kennzeichneten jedes Bild; wenn möglich wurde Histopathologie verwendet, andernfalls eine klinische Diagnose oder Telemedizin.
  • Primärer Endpunkt: Fläche unter der ROC-Kurve (AUC) zur Unterscheidung bösartiger von gutartigen Läsionen.
— ERGEBNISSE: WIE GUT WAR DIE UNTERSCHEIDUNG? —

Die Leistung der App wurde unter unterschiedlichen Bedingungen mit unterschiedlichen AUC-Werten gemessen. Je näher die AUC an 1,0 liegt, desto höher ist die Unterscheidungsfähigkeit; Werte über 0,9 gelten üblicherweise als „nahezu ausgezeichnet“.

Grafik — Unterscheidungsleistung unter verschiedenen Bedingungen (AUC)
Unterscheidung bösartiger und gutartiger Läsionen. Näher an 1,0 ist besser.
0,977 Alltagsscreening in der Praxis 0,945 Fachärztliche Spaltlampen- bilder 0,905 Innerhalb der App angeleitete Fotos
Unter allen drei Bedingungen lag die AUC über 0,9. Erwartungsgemäß war die Leistung bei angeleiteten, von Nutzern selbst aufgenommenen Fotos (0,905) etwas niedriger als bei Facharztbildern (0,945), blieb jedoch hoch. Hinweis: Die Achse ist auf den Bereich 0,8-1,0 skaliert.
%89,3
Sensitivität — Screening im Alltag
%95,9
Spezifität — Screening im Alltag
58 Überweisungen
Gesamtzahl der durch die App veranlassten Überweisungen
— DER BEMERKENSWERTESTE BEFUND: TATSÄCHLICHE KREBSFÄLLE WURDEN ERKANNT —

Der eigentliche Wert eines Screeningtests liegt weniger in seiner Genauigkeit „auf dem Papier“ als darin, ob er im wirklichen Leben tatsächliche Krebserkrankungen entdeckt. Genau hier liegt die größte Stärke dieser Studie.

AUSWIRKUNGEN IM ALLTAG

  • Die App veranlasste 58 Überweisungen; darunter wurden 20 maligne Tumoren histopathologisch bestätigt.
  • Von diesen 20 Krebsfällen waren 19 zuvor nicht diagnostizierte (neue) Fälle — also Krebserkrankungen, die ohne die App möglicherweise unentdeckt geblieben wären.
  • Keiner erforderte die Entfernung des Auges oder des umgebenden Orbitagewebes — sie wurden also früh erkannt.
  • Der Überweisungsweg wurde kürzer: Vor der App waren durchschnittlich 3,69 Überweisungen bis zur definitiven Behandlung erforderlich; über die App sank diese Zahl auf 1,02 (P<0,001).
  • Die App prognostizierte eine Verfünffachung der pro Zentrum erkannten Fälle — von ~8 auf ~40 pro Zentrum und Jahr. Diese Projektion muss allerdings bestätigt werden.
Warum ist „frühes Erkennen“ so wichtig?

Bei Krebs der Augenoberfläche bestimmt die frühe Diagnose nicht nur das Überleben, sondern auch den Erhalt des Auges und des Sehvermögens . Bei einer späten Diagnose kann die Behandlung bis zur Entfernung des Auges oder umgebenden Gewebes, etwa durch Exenteration, reichen. Dass keiner der bestätigten Krebsfälle in dieser Studie einen solchen radikalen Eingriff benötigte, zeigt den konkreten Nutzen früher Erkennung.

— GRENZEN: EINE EHRLICHE EINORDNUNG —

Trotz dieser beeindruckenden Ergebnisse sind die Grenzen der Studie offensichtlich und dürfen bei der Interpretation nicht übergangen werden. Sowohl die Autoren als auch der begleitende eingeladene Kommentar weisen darauf hin.

Wesentliche Einschränkungen

(1) Übertragbarkeit: Die Studie wurde fast vollständig in einer chinesischen Bevölkerung durchgeführt; nicht chinesische Teilnehmer waren sehr selten. Die Leistung muss für unterschiedliche ethnische Herkunft, Augen-/Irispigmentierung und Gesundheitssysteme gesondert validiert werden. (2) Risiko des Ausschlusses älterer Menschen: Smartphonebasiertes Screening könnte ältere Menschen ausschließen, deren Zugang zu oder Vertrautheit mit Technologie begrenzt ist; altersfreundliche Gestaltung könnte erforderlich sein. (3) Kurzer Beobachtungszeitraum: Es wurden nur kurzfristige Screeningergebnisse berichtet; die langfristige Wirkung ist unbekannt. (4) Projektion ≠ Nachweis: Die „Verfünffachung“ ist eine Prognose, kein bestätigtes Ergebnis. (5) Wer nutzt es? Wie der eingeladene Kommentar hervorhebt, beeinflusst wesentlich das Ergebnis, wer in einer Gemeinschaft mit dieser Technologie interagiert — abhängig von Gesundheitskompetenz und digitalem Zugang.

— WEITERGEHENDE BEDEUTUNG: EIN NEUES MODELL FÜR DAS SCREENING SELTENER ERKRANKUNGEN —

Die eigentliche Bedeutung dieser Studie reicht über den Erfolg einer einzelnen App hinaus. Wie der eingeladene Kommentar erläutert, liefert das Modell des „geschlossenen Kreislaufs“, das Öffentlichkeitsaufklärung, KI-Triage und fachärztliche Überweisung verbindet, einen überzeugenden Machbarkeitsnachweis für dezentralisiertes Screening seltener Erkrankungen. Es geht also nicht nur um Augenkrebs; es deutet darauf hin, dass ein ähnliches Modell für zahlreiche seltene Erkrankungen aufgebaut werden könnte, die Fachwissen erfordern und spät diagnostiziert werden. Doch wie der Kommentar treffend zusammenfasst, hängt die Zukunft des Instruments von drei grundlegenden Fragen ab: Wie weit lässt sich das Modell auf weltweit unterschiedliche Patientengruppen übertragen? Wer interagiert innerhalb einer Gemeinschaft mit der Technologie? Und wie zuverlässig bleiben die viel beachteten Leistungszahlen bei groß angelegter autonomer Nutzung erhalten?

⚡ DROZDOGAN AKADEMIE — WIE IST DIESE ENTWICKLUNG EINZUORDNEN?
⚡ WARUM IST DAS WICHTIG?

Die Studie zeigt einen der greifbarsten Vorteile von KI in der Onkologie: Screening und frühe Diagnose werden aus dem Krankenhaus in die Taschen der Menschen gebracht. Bei einer seltenen Krebserkrankung, die spezialisierte Expertise erfordert und oft spät entdeckt wird, sind eine nahezu fachärztliche Genauigkeit mit einem gewöhnlichen Smartphone und die Entdeckung von 19 neuen Krebsfällen ein tatsächlicher Machbarkeitsnachweis für „dezentralisiertes Screening“. Auch der Rückgang der Überweisungen von 3,69 auf 1,02 ist ein unmittelbarer Vorteil für Patienten.

✅ STÄRKEN

Eine prospektive, landesweite Studie; histopathologisch bestätigte tatsächliche Krebserkrankungen; hohe AUC-Werte, im Alltag 0,977; und vor allem ein Design des „geschlossenen Kreislaufs“ — nicht nur ein Algorithmus, sondern ein integriertes System aus Fotoanleitung, Qualitätskontrolle, klinischer Bestätigung und Überweisung. Dass keiner der im Alltag entdeckten Krebsfälle die Entfernung des Auges/der Orbita erforderte, zeigt einen konkreten Nutzen früher Diagnose.

⚠️ EINSCHRÄNKUNGEN UND VORSICHT

Die Studie fand fast ausschließlich in einer chinesischen Bevölkerung statt; die globale Übertragbarkeit ist nicht belegt. Der smartphonebasierte Ansatz kann ältere Menschen und Gruppen mit begrenztem digitalem Zugang ausschließen. Es liegen nur kurzfristige Ergebnisse vor. Die „Verfünffachung“ ist eine unbestätigte Projektion. Die Studie ist nicht randomisiert. Außerdem konzentriert sie sich speziell auf pigmentierte Läsionen; eine Abdeckung sämtlicher Tumoren der Augenoberfläche darf nicht angenommen werden. Ob die Leistung bei autonomer Nutzung ohne klinische Bestätigung erhalten bleibt, ist ungewiss.

🩺 BEDEUTUNG FÜR DIE PRAXIS

Dies ist kein Instrument, das heute in die Routineanwendung eingeht, sondern ein Forschungssystem, das derzeit im chinesischen Kontext entwickelt wurde. Dennoch bietet das gezeigte Modell — KI-geführtes Selbstscreening plus fachärztliche Ferntriage — ein großes Zukunftspotenzial für das frühe Erkennen seltener Krebserkrankungen, besonders in Regionen mit begrenztem Zugang zu Spezialisten. In Ländern wie der Türkei wären ähnliche Modelle nur mit lokaler Validierung, ethischer/regulatorischer Genehmigung und Integration in das Gesundheitssystem denkbar.

❓ FRAGEN FÜR DIE ZUKUNFT

Wird das Modell bei unterschiedlichen ethnischen Gruppen und Gesundheitssystemen dieselbe Leistung zeigen? Bleibt es bei autonomer Nutzung ohne klinische Bestätigung zuverlässig? Wird die Projektion der „Verfünffachung“ im Alltag bestätigt? Wie wird es für ältere Menschen und Gruppen mit begrenztem digitalem Zugang angepasst? Lässt sich das Modell des geschlossenen Kreislaufs auf andere seltene Krebserkrankungen, etwa der Haut oder Mundhöhle, übertragen?

🗣️ Wie erklärt man dies Patienten und der Öffentlichkeit?

„Eine in China entwickelte Smartphone-App konnte anhand von Nutzerfotos eine seltene Krebsart auf der Augenoberfläche mit nahezu fachärztlicher Genauigkeit erkennen und deckte 19 zuvor unbemerkte Krebserkrankungen auf. Das ist sehr vielversprechend; derzeit handelt es sich jedoch um Forschung, nicht um eine Screeningmethode in der Routineanwendung, und das System wurde überwiegend in China getestet. Wenn Sie eine Farbveränderung am Auge, einen wachsenden Fleck, Blutung oder eine nicht heilende Läsion bemerken, sollten Sie sich direkt an einen Augenarzt wenden, nicht an eine App.“

— FAZIT —

Die CaptureTumor-Studie ist ein spannendes Beispiel für die mögliche Rolle von KI im Krebsscreening: Ein Modell gibt einen Diagnoseprozess, der teure Geräte und Zugang zu Spezialisten erfordert, über eine gewöhnliche Handykamera in die Hände der Bevölkerung. Hohe Genauigkeit, das Erkennen tatsächlicher Krebserkrankungen und ein deutlich kürzerer Überweisungsweg zeigen das Potenzial. Dieselbe Studie erinnert jedoch an die klassischen Fragen technologiegestützter Gesundheitslösungen: Wen erreichen sie, wen schließen sie aus und in welchem Umfang lässt sich Laborerfolg in den Alltag übertragen? Die angemessene Einordnung ist daher weder eine übertriebene Schlagzeile „Das Handy diagnostiziert Krebs“ noch geringschätzige Gleichgültigkeit; dies ist ein vielversprechender, aber noch nicht ausgereifter Machbarkeitsnachweis für dezentralisiertes Screening seltener Erkrankungen. Die eigentliche Bewährungsprobe wird sein, ob das Modell in unterschiedlichen Gesellschaften, bei unterschiedlichen Menschen und im großen Maßstab dasselbe Potenzial erhalten kann.

Quellen

  1. Wang R, Bi S, Lin D, Li M et al. Smartphone-Based Proactive Self-Screening for Ocular Surface Malignancies: A Nonrandomized Clinical Trial. JAMA Ophthalmology, online am 4. Juni 2026. DOI: 10.1001/jamaophthalmol.2026.1609.
  2. Eingeladener Kommentar (Invited Commentary). Mobile-Based Artificial Intelligence and Ocular Surface Malignancies. JAMA Ophthalmology, dieselbe Ausgabe, 2026. (CaTs Modell des „geschlossenen Kreislaufs“, Fragen der Übertragbarkeit und Skalierung.)
  3. ClinicalTrials.gov. Artificial Intelligence-assisted Screening of Malignant Pigmented Tumors on the Ocular Surface. NCT05645341 (prospektive Kohorte, n=535).
  4. JAMA Ophthalmology / Sun-Yat-sen-Universität. CaptureTumor-System (CaT): Deep Learning + WeChat-Mini-Programm; AUC bei Spaltlampenbildern 0,945, im Alltag 0,977 (Sensitivität 89,3%, Spezifität 95,9%), bei angeleiteten Fotos innerhalb der App 0,905.
  5. Verwandte Literatur (Kontext): AI in Ocular Surface Tumors: Current Advances, Challenges, and Future Directions. Diagnostics 2026;16(7):1103. (Definitionen von OSSN, Bindehautmelanom und Lymphom sowie Kontext des KI-Screenings.)

Dieser Artikel dient als medizinische Nachricht/Übersicht der Information; er ist keine individuelle medizinische Beratung und kein Diagnoseinstrument. Bei der beschriebenen Studie handelt es sich um eine nicht randomisierte klinische Untersuchung, die überwiegend in einer chinesischen Bevölkerung durchgeführt wurde und kurzfristige Ergebnisse berichtet. Die Ergebnisse müssen für unterschiedliche ethnische Gruppen, Gesundheitssysteme und groß angelegte autonome Nutzung gesondert validiert werden. Die „Verfünffachung pro Zentrum“ ist eine Projektion, kein bestätigtes Ergebnis. CaptureTumor ist derzeit ein Forschungssystem, kein zugelassenes Screeninginstrument in der klinischen Routine; bevor es in irgendeinem Land einschließlich der Türkei für allgemeines Screening empfohlen werden kann, sind lokale Validierung sowie ethische und regulatorische Bewertung erforderlich. Menschen mit Farbveränderungen am Auge, einer wachsenden Läsion, Blutung oder einer nicht heilenden Wunde sollten sich direkt an einen Augenarzt wenden, nicht an eine App. Dieser Artikel beruht auf einer Paraphrase der Originalpublikation und des eingeladenen Kommentars in JAMA Ophthalmology und enthält keine direkten Zitate aus den Quellen. KI-gestütztes medizinisches Screening entwickelt sich rasch weiter; die wiedergegebenen Daten entsprechen dem Stand zum Zeitpunkt der Erstellung.

DROZDOGAN KI

Diesen Artikel gemeinsam erkunden

Fragen Sie zum Artikel und lesen Sie die Antworten zusammen mit veröffentlichten Quellen unserer Website.

DROZDOGAN KI

Drozdogan-Assistent

Kann ein Handyfoto Augenkrebs erkennen?

Fragen Sie zum Artikel und lesen Sie die Antworten zusammen mit veröffentlichten Quellen unserer Website.

Gesprächs- und Datenschutzinformationen

Der Drozdogan-Assistent beantwortet dieses Gespräch. Autorisierte Websiteadministratoren können es zur Qualitätsprüfung einsehen. Teilen Sie keine persönlichen Informationen.

Antworten werden mit der OpenAI-Infrastruktur erstellt. Fragen und Antworten werden dort verarbeitet; Gesprächsaufzeichnungen werden auf unserer Website gespeichert. Teilen Sie keine Identitäts-, Kontakt- oder persönlichen Gesundheitsdaten.

0 / 1000

Nur zur Information; keine persönliche Diagnose oder Behandlungsempfehlung.

Ähnliche Artikel

Entdecken Sie weitere Artikel zu diesem Thema.

Bleiben Sie informiert

Erhalten Sie neue Artikel und wissenschaftliche Neuigkeiten per E-Mail.

Google Analytics läuft auf öffentlichen Seiten unabhängig von diesem Fenster und kann Analyse-Cookies verwenden. Ihre Auswahl hier steuert nur externe Dienste.