In der Dermatologie können künstliche Intelligenzen jetzt schon bei der Diagnosefindung helfen. Ein Forscherteam hat dieses Verfahren jetzt noch verbessert – mithilfe von menschlichen Entscheidungen.
Künstliche Intelligenz (KI) wird bereits zur Diagnose von Hautkrebs eingesetzt, kann aber mit den komplexen Entscheidungsfindungen von Ärzten in der Praxis (noch) nicht mithalten. Ein internationales Forschungsteam unter der Leitung von Harald Kittler von der MedUni Wien hat nun eine Lernmethode erforscht, bei der durch den Einbezug menschlicher Entscheidungskriterien eine höhere Genauigkeit der KI-Ergebnisse erreicht werden kann. So konnte die Rate der korrekten Hautkrebsdiagnosen durch Dermatologen um zwölf Prozent verbessert werden. Die Studie wurde in der renommierten Fachzeitschrift Nature Medicine veröffentlicht.
Die Forscher stützten ihre Studie auf das Modell des Verstärkungslernens (Reinforcement Learning, RL) und integrierten (menschliche) Kriterien in Form von Belohnungstabellen in das KI-System. Belohnungstabellen sind Hilfsmittel, die die positiven und negativen Folgen klinischer Beurteilungen in den Entscheidungsprozess einbeziehen – und zwar sowohl aus der Sicht des Arztes als auch aus der Sicht des Patienten. Auf dieser Grundlage wurden die KI-Diagnoseergebnisse nicht nur als richtig oder falsch bewertet, sondern je nach Auswirkung der Diagnose oder der daraus resultierenden Entscheidungen mit einer bestimmten Anzahl von Plus- oder Minuspunkten belohnt oder bestraft.
„Auf diese Weise lernte die KI, nicht nur bildbasierte Merkmale, sondern auch Konsequenzen von Fehldiagnosen bei der Beurteilung von gut- und bösartigen Hauterscheinungen zu berücksichtigen“, erklärt Studienleiter Harald Kittler von der Universitätsklinik für Dermatologie der MedUni Wien. Dadurch könnte, wie die Studie zeigt, die Genauigkeit der Diagnose von Hautkrebs deutlich verbessert werden. So konnte die Sensitivität für Melanome von 61,4 auf 79,5 Prozent und für Basalzellkarzinome von 79,4 auf 87,1 Prozent gesteigert werden. Insgesamt erhöhte sich durch den Einsatz von RL die Rate der richtigen Diagnosen durch Dermatologen um 12 Prozent, die Rate der optimalen Entscheidungen beim Management und der Therapie der Erkrankung stieg von 57,4 auf 65,3 Prozent.
Diese verbesserte Leistung der KI-basierten Hautkrebsdiagnose ist auch darauf zurückzuführen, dass RL das übermäßige Vertrauen der KI in ihre eigenen Vorhersagen reduziert und nuanciertere und menschengerechtere Vorschläge macht. „Das wiederum hilft Ärzten, in komplexen medizinischen Szenarien präzisere, auf den einzelnen Patienten zugeschnittene Entscheidungen zu treffen“, betont Kittler im Hinblick auf weitere Forschungen zu diesem Thema. Obwohl sich die aktuelle Arbeit vor allem auf die Hautkrebsdiagnose konzentrierte, könnten die Grundideen auch in anderen Bereichen der medizinischen Entscheidungsfindung eingesetzt werden.
Der Beitrag basiert auf einer Pressemitteilung der MedUni Wien. Die Originalpublikation findet ihr hier und im Text verlinkt.
Bildquelle: Sander Sammy, unsplash
