Skin Classification Project: Smarte Algorithmen zur Unterstützung in der Melanomdiagnostik (SCP2)

Motivation

Die Häufigkeit von schwarzem Hautkrebs (Malignes Melanom) ist in den letzten Jahrzehnten in Deutschland stark angestiegen. Eine frühzeitige Melanom-Erkennung – optimalerweise vor einer Metastasierung – erhöht die Heilungschancen erheblich und ermöglicht in vielen Fällen eine deutlich weniger belastende und weniger kostenintensive Therapie. Gleichsam werden von gutartigen Läsionen oft irrtümlicherweise Gewebeproben für eine weiterführende pathologische Diagnostik entnommen, was sowohl psychische als auch physische Belastungen für die Betroffenen zur Folge hat. Das Forschungsprojekt SCP2 soll dazu beitragen, die Diagnose von Melanomen mit Methoden der künstlichen Intelligenz (KI) zu verbessern.

Ziele und Vorgehen

Das Ziel des Projekts SCP2 ist die Weiterentwicklung und Erprobung eines Assistenzsystems, das mit Hilfe von künstlicher Intelligenz bei der Diagnostik des Malignen Melanoms im klinischen Alltag unterstützt. In der Vergangenheit zeigte sich beim Transfer solcher Unterstützungssysteme von der Forschung in die klinische Praxis oftmals eine abweichende diagnostische Genauigkeit. Eine Ursache hierfür liegt in veränderten Parametern der Einsatzumgebungen von Forschungs- und Praxiskontext, wie z. B. der Bildaufnahmesysteme. Um diesem Problem zu begegnen werden im SCP2 unter anderem Strategien erarbeitet, die die Übertragung der vielversprechenden Ergebnisse des Algorithmus auch unter realen klinischen Bedingungen, wie dem Einsatz von verschiedenen Bildaufnahmesysteme in unterschiedlichen Kliniken, verbessert. Um den KI-basierten diagnostischen Algorithmus weiter zu optimieren, werden in diesem Projekt die Diagnosen der Trainingsdaten zusätzlich abgesichert. Dies geschieht einerseits durch ein Review-Panel aus Dermatopathologen und andererseits durch den Einbezug von molekularen Analysen des Tumorgewebes. Innerhalb des Projekts werden insbesondere Arbeitsabläufe zum Einbinden des Systems in die Diagnostik im Klinikalltag entwickelt und im Rahmen einer Machbarkeitsstudie in Zusammenarbeit mit klinischen Partnern untersucht. Auf diese Weise soll die Genauigkeit in der klinischen Routine bei der Hautkrebs-Diagnose erhöht werden, sodass sowohl die Anzahl an unnötigen Gewebeentnahmen als auch die Anzahl an übersehenen Tumoren verringert wird.

Perspektiven für die Praxis

Das Projekt SCP2 baut auf Ergebnissen des Vorprojektes SCP auf, um ein optimiertes KI-basiertes System zur bildbasierten Hautkrebserkennung im klinischen Alltag zu erproben. Bei erfolgreicher Testung könnten bei einer flächendeckenden Integration des Algorithmus in die Praxis sowohl die Anzahl an der irrtümlich als schwarzer Hautkrebs erkannten gutartigen Läsionen als auch die Anzahl der übersehenen Melanome deutlich vermindert werden. Diese Verbesserungen in Bezug auf Spezifität und Sensitivität hätten deutlich gezieltere, schonendere und weniger kostenintensive Behandlungen zur Folge.