Haut-Screening-Apps in der klinischen Praxis

Computer Vision (CV) erfüllt Aufgaben wie Objektklassifizierung, -lokalisierung und -detektion mit dem Ziel, Bildinhalte richtig wiederzugeben. Durch die Entwicklung der letzten Jahre entstanden CNNs, die eine effiziente Bildverarbeitung ermöglichen [1]. CV-Tools verwenden u. a. folgende Konzepte der KI: „image recognition“, „object detection“, „image classification“ und „segmentation“. Die „image recognition“ arbeitet mit den Prinzipien „Bilderfassung“, „Bildvorverarbeitung“, „Merkmalsextraktion“, „Klassifikation und Entscheidungsfindung“ und der „strukturellen Mustererkennung“. Die Bildauflösung beeinflusst zudem die Qualität einer effektiven Bilderkennung, weshalb verzerrte Bildbereiche die Analyse erschweren können [2]. Bei der „object detection“ wird ein merkmalbasierter Ansatz verwendet, welcher anhand von Eigenschaften, wie „Farbe“, „Textur“, oder dem „optischen Fluss“, Objekte beschreibt. Diese Anwendung funktioniert gut bei Bildern mit einfachen Hintergründen und klar abgegrenzten Objekten. Eine genaue Detektion wird erschwert, wenn sich die Pixel von Objekt und Hintergrund nicht, oder nur geringfügig unterscheiden und sich Objekte gegenseitig verdecken. Diese Problematik erhöhte das Interesse an der Tarnobjekterkennung und -segmentierung [3]. Die Einteilung von Bildern in vordefinierte Kategorien ermöglicht die „image classification“. Hierfür wurden fortlaufend neue Datensätze, wie beispielsweise „AlexNet“ [4], „ResNet“ [5] und „SENet“ [6], entwickelt. Die Weiterentwicklung von Datensätzen ermöglichte Fortschritte in den Bereichen Deep Learning, Data Augmentation, führte zur Entwicklung tieferer Netzwerke mit mehreren Schichten, was insgesamt in einer verbesserten Klassifikationsgenauigkeit und Effizienz resultierte [2, 7]. Ein Erkennen von Objekten und deren Grenzen wird durch die „segmentation“ gewährleistet. Anders als die „object detection“ oder „image classification“ differenziert die „segmentation“ nicht zwischen individuellen Objektinstanzen, sondern erstellt Masken, die eine zweidimensionale räumliche Verteilung aufweisen. Die Einführung von CNNs führte zu einer Vereinfachung der semantischen Segmentierung, da diese Modelle präzise pixelweise Vorhersagen auf Grundlage umfangreicher vortrainierter Datensätze ermöglichen [7, 8].

Der neue Ansatz der explainable AI (XAI), der erklärbaren KI, soll dazu dienen, das Vertrauen der Mediziner gegenüber den KI-basierten-Algorithmen zur Risikoeinschätzung von Hautneubildungen zu verbessern. Grundlegend ist hier die Lösung des Black-Box -Problems, welches die Intransparenz der KI-Algorithmen bei der Entscheidungsfindung beschreibt. Eine Umfrage aus dem Jahr 2019 ergab, dass 77,3 % der Befragten der Meinung waren, dass die KI die Dermatologie verbessern kann, während 5,5 % befürchten, dass sie von der KI ersetzt werden könnten [9]. Zudem wird das Vertrauen in die KI erhöht, wenn die Erklärungen der XAI mit den Einschätzungen der Kliniker übereinstimmen. Ein stärkeres Vertrauen in die eigenen Diagnosen wird durch die Verwendung von XAI erreicht. Beobachtet wurde, dass die Akzeptanz mit dem Grad der Übereinstimmung von KI-Erklärung und Beurteilung des Dermatologen korreliert. Die XAI verbessert im Vergleich zur konventionellen KI aber nicht die diagnostische Präzision. Eine erhöhte Akzeptanz und ein gesteigertes Vertrauen in KI-gestützte Systeme kann folglich neben der Unterstützung bei der Melanomdiagnostik erreicht werden [10].

Außerdem ist eine klare Abgrenzung der Begriffe Machine Learning, Deep Learning, CNNs, Transfer Learning und Feature Extraction essenziell. Machine Learning beschreibt die automatische Verbesserung von KI-Algorithmen durch Erfahrung und große Datensätze. Hierdurch wird es Algorithmen möglich, Vorhersagen und Entscheidungen auf Datengrundlage zu treffen, ohne eine hierfür explizite Programmierung zu erhalten [8]. Deep Learning als Unterform von Machine Learning basiert auf Artificial Neural Networks (ANNs) und Repräsentationslernen. ANNs imitieren in ihrem Design biologischen Netzwerke und sind als adaptives System zur Lernfähigkeit konzipiert. Qualitätskriterien der ANNs sind Anzahl und Struktur der neuronalen Schichten und Qualität der Trainingsdatensätze [8]. In den Bereichen der Bildverarbeitung und/-detektion in Dermatologie, Pathologie und Radiologie werden die CNNs als Unterform der ANNs verwendet. CNNs erreichen eine hohe diagnostische Genauigkeit, wenn diese mit hochwertigen und umfangreichen Bilddatensätzen trainiert werden. Bekannte Bilddatensätze, welche in der Dermatologie verwendet werden, sind beispielsweise HAM10000 [11], BCN20000 [12] und PH2 [13]. [8]. Transfer Learning ermöglicht durch die Verwendung bereits erworbenen Wissens eine höhere Effizienz beim Lösen verwandter, aber neuer Probleme. Spezifisch für das Transfer Learning ist die Anwendung von schon erlerntem Wissen aus anderen Hilfsdomänen, um die Vorhersagegenauigkeit für unterschiedliche Muster der Zieldomäne zu verbessern [14, 15]. Im Rahmen der Merkmalsauswahl werden bestehende Attribute identifiziert und genutzt, während bei der Merkmalsgenerierung vorhandene Merkmale modifiziert oder kombiniert werden, um neue Features zu erzeugen. Ziel der Feature Extraction ist es, ein Gleichgewicht zwischen Verringerung der Dimensionalität und dem Erhalt relevanter Informationen zu erreichen [16].

Die prospektive Studie von Jahn et al. [21] untersuchte die diagnostische Genauigkeit der SkinVision-App im Vergleich zu Dermatologen. Die abschließende Diagnose wurde, falls erforderlich, histopathologisch verifiziert. Die App klassifizierte 980 Hautläsionen (81 %) als benigne und 19 % als potenziell maligne. Im Gegensatz dazu diagnostizierten Dermatologen 1195 Läsionen (99,3 %) als benigne und nur 9 Läsionen (0,7 %) als verdächtig. Daraus ergibt sich, dass die CE-zertifizierte App eine 27-fach höhere Rate an „melanomverdächtig“ aufwies als Dermatologen. Des Weiteren zeigte die Studie, dass die diagnostische Genauigkeit mit der Erfahrung der Dermatologen steigt: Experten mit mehr als 5 Jahren Berufserfahrung erreichten eine 100 %ige Trefferquote sowohl für dysplastische Nävi (korrekte Klassifikation als benigne) als auch für Melanome (korrekte Klassifikation als verdächtig). Es wurde festgestellt, dass KI-gestützte Assistenz die Leistung weniger erfahrener Dermatologen verbessern kann, etwa durch eine Erhöhung der diagnostischen Genauigkeit bei melanozytären Nävi von 87 % auf 92 % [21].

Die prospektive Studie von Ngoo et al. [31] untersuchte die Fähigkeit von Smartphone-Apps zur Melanom-Risikobewertung im Vergleich zu speziell geschulten Dermatologen. Histopathologische Befunde wurden hier nicht zur Verifizierung herangezogen. Von 42 klinisch als verdächtig eingestuften Läsionen klassifizierten die Apps zwischen 9 und 26 als verdächtig. Bei den 15 klinisch benignen Läsionen wurden zwischen 3 und 15 korrekt als benigne erkannt. Die Sn und Sp der Apps im Vergleich zu den Einschätzungen der Spezialisten lagen zwischen 21 und 72 % bzw. zwischen 27 und 100 %. Außerdem konnten zwei Apps 14 % bzw. 18 % der eingesendeten Läsionen nicht analysieren [31].

Eine Metaanalyse von Salinas et al. zeigte, dass KI-Algorithmen eine Sn von 87,0 % und eine Sp von 77,1 % erreichten, während Kliniker eine Sn von 79,78 % und eine Sp von 73,6 % aufwiesen. Diese Unterschiede waren statistisch signifikant. Im Vergleich zu Allgemeinmedizinern zeigte sich ein deutlicher Leistungsunterschied: KI-Algorithmen erreichten eine Sn von 92,5 % und eine Sp von 66,5 %, während Allgemeinmediziner eine Sn von 64,6 % und eine Sp von 72,8 % erzielten. Die diagnostische Leistung von KI war hingegen mit der von Dermatologie-Experten vergleichbar (KI: Sn 86,3 %, Sp 78,4 %; Experten: Sn 84,2 %, Sp 74,4 %). Die Metaanalyse ergab ferner, dass die diagnostische Genauigkeit von KI und Allgemeinmedizinern signifikant unterschiedlich war (p < 0,001). KI erzielte eine Sn von 92,5 % (95 % CI 88,9–94,9 %) und eine Sp von 66,5 % (95 % CI 56,7–75,0 %), während Allgemeinmediziner eine Sn von 64,6 % (95 % CI 47,1–78,9 %) und eine Sp von 72,8 % (95 % CI 56,7–84,5 %) erreichten. Die Analyse zeigte zusätzlich, dass KI eine Sn von 85,4 % (95 % CI 78,9–90,2 %) und eine Sp von 78,5 % (95 % CI 70,6–84,8 %) erreichte, während „nichtexpertisierte Dermatologen“ eine Sn von 76,4 % (95 % CI 71,1–80,9 %) und eine Sp von 67,1 % (95 % CI 57,2–75,6 %) erzielten. Auch hier waren die Unterschiede statistisch signifikant (p < 0,001), was durch die ROC-Kurven bestätigt wurde. In der Metaanalyse zeigten „expertisierte Dermatologen“ als eigene Subgruppe eine Sn von 84,2 % (95 % CI 76,2–89,8 %) und eine Sp von 74,4 % (95 % CI 65,3–81,8 %), während KI eine Sn von 86,3 % (95 % CI 80,4–90,7 %) und eine Sp von 78,4 % (95 % CI 71,1–84,3 %) erreichte. Eine genauere Differenzierung zwischen „Nicht-Experten“ und „Experten Dermatologen“ wurde in der untersuchten Arbeit nicht beschrieben [32].

Jahn et al. stellten 2022 außerdem fest, dass die untersuchte Applikation in einer ROC-Analyse im Vergleich zu histopathologischen Ergebnissen eine Fläche unter der Kurve (AUC) von 0,717, eine Sn von 0,83 und eine Sp von 0,6 erreichte [21].

In einer weiteren Untersuchung von Chuchu et al. [17] wurden Studien zitiert, die die diagnostische Genauigkeit von HSA im Vergleich zu histologischen Befunden bewerteten. Die vier analysierten Applikationen versagten bei der Diagnose von 7 bis 55 Melanomen aus insgesamt 86 Fällen. Die Analyse ergab zudem, dass Apps, bei denen Dermatologen die eingereichten Scans bewerteten, ein Melanom übersehen hatten, während 6 weitere Melanome nicht weiter klassifiziert werden konnten. Kritisiert wurde hierbei auch das unzureichende Studiendesign der herangezogenen Arbeiten [17].

Die primäre Zielsetzung der 2022 veröffentlichten prospektiven multizentrischen Studie zur diagnostischen Genauigkeit von Sangers et al. bestand in der Bestimmung der Sn und Sp einer CE-zertifizierten mobilen Gesundheitsanwendung zur Detektion prämaligner und maligner Hautläsionen. Die Ergebnisse zeigten eine Sn von 86,9 % und eine Sp von 70,4 %. Die Sn war höher auf iOS-Geräten (91,0 %) im Vergleich zu Android-Geräten (83,0 %). Die Sp war bei benignen Kontrollläsionen (80,1 %) höher als bei verdächtigen Hautläsionen (45,5 %; p < 0,001). Die Sn war in Hautfaltenarealen (92,9 %) höher als in glatten Hautarealen (84,2 %; p = 0,01), während die Sp in glatten Hautarealen (72,0 %) höher war als in Hautfaltenarealen (56,6 %; p = 0,02) [33].

In Ländern mit niedrigem Einkommen und hoher Bevölkerungsdichte wird die Entwicklung von HSA aus einer zusätzlichen Perspektive betrachtet. Weltweit haben schätzungsweise 3 Mrd. Menschen keinen Zugang zu dermatologischer Versorgung [37]. Besonders in Regionen mit begrenzter Verfügbarkeit medizinischer Fachkräfte, insbesondere von Dermatologen, stellt eine adäquate Versorgung eine Herausforderung dar. In Entwicklungsländern fehlt es häufig an Möglichkeiten zur Früherkennung, die jedoch entscheidend für eine erfolgreiche Krebsbehandlung wäre [36]. Studienergebnisse deuten darauf hin, dass algorithmusbasierte Apps in ihrer diagnostischen Treffsicherheit Allgemeinmediziner übertreffen und in Sn sowie Sp mit dermatologischer Expertise vergleichbar sind. Ihr gezielter Einsatz – vor allem in unterversorgten Regionen – könnte die Patientenversorgung signifikant optimieren [38].

Erste Untersuchungen zur Nutzung teledermatologischer Anwendungen, die nach dem „Store-and-Forward“-Prinzip arbeiten – bei dem ein Dermatologe eine Risikoeinschätzung von Hautneoplasien vornimmt –, zeigen vielversprechende Ergebnisse [17]. Eine Studie zur Entwicklung und Evaluierung eines mobilen teledermatologischen Systems für die Hautläsionsdiagnostik im Iran bestätigt, dass Teledermatologie den Zugang zu dermatologischen Leistungen verbessern kann. Um eine breitere Implementierung zu ermöglichen, sind jedoch weitere Untersuchungen erforderlich, die die Zuverlässigkeit und Praxistauglichkeit dieser Technologie belegen [39]. In Kombination mit KI kann Teledermatologie zusätzliche Vorteile bieten. Patienten können Hautläsionen eigenständig fotografieren und zur Beurteilung an eine KI-gestützte Plattform übermitteln, die eine diagnostische Einschätzung ermöglicht und eine Therapieentscheidung unterstützt. Besonders in Regionen mit eingeschränktem Zugang zu medizinischem Fachpersonal und langen Wartezeiten könnte dies zu einer erheblichen Verbesserung der Versorgungssituation führen [35].