KI erkennt Basalzellkarzinome vor sichtbaren Symptomen

KI erkennt Basalzellkarzinome vor sichtbaren Symptomen

Forscher der Friedrich-Alexander-Universität Erlangen-Nürnberg haben unter Leitung von Dr. Moritz Ronicke vom Uniklinikum Erlangen in einer Machbarkeitsstudie gezeigt, dass KI-unterstützte LC-OCT-Bildgebung Basalzellkarzinome bereits vor dem Auftreten sichtbarer Symptome erkennen kann. Die in JAMA Dermatology veröffentlichte Studie ist nach Angaben der Autoren die erste prävisible Diagnose des weltweit häufigsten Hautkrebses. Dafür wurde ein systematisches Gesichtsscreening-Protokoll für Hochrisikopatienten eingesetzt. Die frühe Identifikation erweitert die therapeutischen Optionen erheblich: Nach Angaben von Dr. Ronicke entfällt bei präklinischer Erkennung häufig die chirurgische Exzision, stattdessen lassen sich die Tumoren mit topischen Medikamenten behandeln. Das reduziert Gewebezerstörung und Narbenbildung. Der neue Ansatz verschiebt den Diagnosezeitpunkt nach vorn: Da Tumoren bereits vor klinischen Symptomen erkannt werden, können sie häufiger mit topischen Medikamenten statt chirurgischer Exzision behandelt werden.

LC-OCT liefert dreidimensionale Hautkarten in Echtzeit

Das Verfahren nutzt Line-Field Confocal Optical Coherence Tomography (LC-OCT), eine Hybrid-Bildgebung, die optische Kohärenztomographie zur Tiefenanalyse des Gewebes mit konfokaler Mikroskopie für zelluläre Auflösung kombiniert. Dadurch entstehen in Echtzeit dreidimensionale Strukturkarten der Haut im Mikrometerbereich, die eine präzise Darstellung der mikroskopischen Tumorarchitektur ermöglichen. In den LC-OCT-Workflow sind KI-Algorithmen eingebettet: Sie liefern den behandelnden Ärzten unmittelbar farbcodierte Wahrscheinlichkeitsbewertungen für Malignität. So lässt sich verdächtiges Gewebe schnell identifizieren. Die ärztliche Letztentscheidung bleibt dabei erhalten – die KI dient als Entscheidungsunterstützung, nicht als Ersatz für die klinische Beurteilung.

Bisherige KI-Ansätze erkennen Tumoren erst bei sichtbaren Läsionen

Bisherige KI-Ansätze zur Erkennung von Basalzellkarzinomen basieren überwiegend auf Dermatoskopie-Bildern. Eine Meta-Analyse zeigt für solche Deep-Learning-Algorithmen eine gepoolte Sensitivität von 0,96, eine Spezifität von 0,98 und eine AUC von 0,99. Dermatologen erreichen demnach eine Sensitivität von 0,75, eine Spezifität von 0,97 und eine AUC von 0,96. Die neue LC-OCT-Methode ermöglicht erstmals eine prävisible Diagnose, also die Detektion vor dem Auftreten klinischer Symptome. Ein NICE-Briefing fasst 14 Studien zu KI-Technologien wie nomela, DERM, SkinVision und Moleanalyzer pro mit über 2.598 Personen zusammen; 13 dieser Studien bewerteten die diagnostische Genauigkeit im Vergleich zu Dermatologen.