Dermatologie

Dermatologische Schwarmintelligenz
2. November 2021

Nun sag, wie hast du’s mit der KI? Diese Frage wird zukünftig den ärztlichen Berufstand noch häufiger beschäftigen, denn bislang sehen viele darin nur ein Zukunftsthema ohne aktuelle Relevanz. Auch ein kürzlich interviewter Medizinstudent meint, dass dieses Thema „überwiegend noch in der Zukunft liegt, und die KI sicher eher als Unterstützung statt gleichwertigem Helfer“ angesehen wird.(1)

Den Einsatz von Künstlicher Intelligenz in der Dermatologie hatten wir in diesem Blog bereits thematisiert, denn die KI erwies sich schon mehrfach als äußerst treffsicher bei der Diagnose häufig vorkommenden Hauterkrankungen.

Doch wie sieht es bei selteneren oder auch ungewöhnlichen Fällen aus? Dieser Frage ging eine jüngst im JDDG erschienene Publikation (2) nach. Die Autoren kamen zu dem Schluss, dass bei einer anspruchsvollen Diagnostik von Hautläsionen das Mehrheitsvotum einer Gruppe von Dermatologen dem Ergebnis einzelner Ärzte sowie zweier KI-Algorithmen überlegen war.

Quellen

  • KI in der Medizin: Das sagen Nachwuchsärzte und -ärztinnen; HEALTH RELATIONS, 22. Oktober 2021
  • Kollektive menschliche Intelligenz übertrifft künstliche Intelligenz in einem Quiz zur Klassifizierung von Hautläsionen; JDDG (19), 2021, https://doi.org/10.1111/ddg.14510_g

Google: KI für den Hautpatienten
8. Juni 2021

Das Thema Künstliche Intelligenz (KI) ist uns in diesem Blog schon häufiger begegnet. Zweifelsohne besteht das Potenzial, Ärzte bei der Betreuung von Patienten zu unterstützen – dies wurde z.B. schon beim Brustkrebs-Screening oder der Tuberkulose-Erkennung gezeigt. Wir hatten auch schon früher über die Anwendung von KI im dermatologischen Umfeld und die Bemühungen von Google berichtet.

Google setzt nun KI ein, um den Patienten mit seiner Smartphone-Kamera in den Prozess einzubinden. Das „KI-gestützte Dermatologie-Assistenz-Tool“ benötigt drei Fotos von der Haut, den Haaren oder den Nägeln aus verschiedenen Blickwinkeln. Dann werden dem User Fragen gestellt, die bei der Eingrenzung helfen sollen (Hauttyp, Dauer der Symptome etc.). Die Künstliche Intelligenz analysiert, greift auf Informationen zu fast 300 Erkrankungen zurück und erstellt eine Liste „passender“ Erkrankungen. Laut Google Health verfügt die Datenbank über etwa 65.000 Bilder und Falldaten von diagnostizierten Hauterkrankungen, Millionen von kuratierten Bildern von Hautproblemen und Tausende von Beispielen gesunder Haut.

Das Tool soll (noch) nicht den Arzt ersetzen und soll keine Diagnosen stellen – nur Informationen anbieten. Google verzeichnet pro Jahr fast zehn Milliarden Suchanfragen zu dermatologischen Themen; eine gute Grundlage für dieses KI-Konzept. Wer sich für das Tool interessiert, findet hier weitere Informationen.

Aktueller Beitrag zum Thema: Development and Assessment of an Artificial Intelligence–Based Tool for Skin Condition Diagnosis by Primary Care Physicians and Nurse Practitioners in Teledermatology Practices JAMA Netw Open. 2021;4(4):e217249. doi:10.1001/jamanetworkopen.2021.7249

Deep Learning zur Differenzialdiagnose bei Hautkrankheiten
16. September 2019

Schätzungsweise 1,9 Milliarden Menschen weltweit leiden an einer Hauterkrankung. Allein in den Vereinigten Staaten leiden bis zu 37% der in der Klinik behandelten Patienten an mindestens einer Hauterkrankung, und mehr als die Hälfte dieser Patienten wird von Nicht-Dermatologen begutachtet.  Studien zeigen jedoch eine signifikante Lücke in der Genauigkeit der Hautzustandsdiagnosen zwischen Allgemeinmedizinern und Dermatologen, wobei die Genauigkeit von Allgemeinmedizinern zwischen 24% und 70% liegt, verglichen mit 77-96% bei Dermatologen. Dies kann zu suboptimalen Überweisungen, Verzögerungen bei der Pflege und Fehlern bei Diagnose und Behandlung führen.

Bestehende Strategien für Nicht-Dermatologen zur Verbesserung der diagnostischen Genauigkeit umfassen die Verwendung von Referenzlehrbüchern, Online-Ressourcen und die Konsultation eines Kollegen. Es wurden auch maschinelle Lernwerkzeuge entwickelt, um die diagnostische Genauigkeit zu verbessern. Frühere Forschungen konzentrierten sich weitgehend auf die Früherkennung von Hautkrebs, insbesondere darauf, ob eine Läsion bösartig oder gutartig ist oder ob es sich bei einer Läsion um ein Melanom handelt. 90% der Hautprobleme sind jedoch nicht bösartig.

Es wurde nun ein Deep Learning System (DLS) entwickelt, um die häufigsten Hauterkrankungen in der Primärversorgung zu behandeln. Die Ergebnisse zeigten, dass ein DLS bei 26 Hautzuständen eine Genauigkeit erzielen kann, die mit den von US-amerikanischen Behörden zertifizierten Dermatologen vergleichbar ist, wenn identische Informationen zu einem Patientenfall (Bilder und Metadaten) vorliegen. Diese Studie hebt das Potenzial des DLS hervor, die Fähigkeit von Allgemeinärzten, die keine zusätzliche Spezialausbildung hatten, zur genauen Diagnose von Hautzuständen zu steigern.

…

Quelle: Google AI Blog vom 12.08.2019 (gekürzt, redigiert)

https://ai.googleblog.com/2019/09/using-deep-learning-to-inform.html

KI in der Medizin – ohne Fehler?
11. Dezember 2018

Das Thema Künstliche Intelligenz und deren Anwendung in der Medizin haben wir in diesem Blog bereits mehrfach aufgegriffen. Sicherlich wird die KI ein wichtiges Zukunftsfeld der unterstützten Diagnostik werden, aber können wir bereits heute schon absolute Verlässlichkeit erwarten?

Dem Watson-Supercomputer von IBM wird vorgeworfen, unsichere und falsche Krebstherapien empfohlen zu haben. Watson wurde mit einer kleinen Anzahl synthetischer Kasuistiken von hypothetischen Patienten gefüttert –  anstelle von echten Patientendaten. Die (Behandlungs-)Empfehlungen basierten auf der Expertise weniger Spezialisten, nicht jedoch auf den anerkannten Guidelines. Ausführlich hat sich damit das US-Portal STAT beschäftigt.

KI-Anwendungen sind insbesondere in der Dermatologie angesagt. „Besser als der Hautarzt“ wurde schon frohlockt. Aber auch hier wurden Schwächen entdeckt, insbesondere bei der Melanom-Diagnostik bei schwarzer Hautfarbe. Denn die Referenzfotos mit der die KI arbeitet, stammen überwiegend von hellhäutigen Patienten. Solange dieses Manko nicht beseitigt wird, ist an einen breiten Einsatz nicht zu denken, obwohl die Nutzung einer KI in Verbindung mit der Telemedizin gerade in Weltregionen mit einer geringen Arztdichte wünschenswert wäre.

In beiden oben genannten Fällen begrenzt die Datenauswahl die Möglichkeiten der KI – und darüber bestimmt die KI (noch) nicht selbst.