KI zur Hautkrebserkennung: Ergebnisse des Projekts Intelligente Diagnostik

Nun liegt der Abschlussbericht des Forschungsprojekts vor. Eine wichtige Erkenntnis der Forscher war, dass eine morphologische Veränderung im Hautgewebe dazu führen kann, dass sich die Streueigenschaften des Gewebes verändern, was dann für die Diagnostik herangezogen werden kann. Für die Datengewinnung im Projekt wurde ein klinischer Aufbau konzipiert und entwickelt, der dank multispektraler Beleuchtung und schneller Kameras als Detektoren Bilddaten erfasst, die für das menschliche Auge nicht sichtbar sind. Hierzu projiziert dieser mit neun LEDs im sichtbaren und nah-infraroten Bereich unterschiedliche Beleuchtungsmuster auf die Hautläsion, deren remittiertes Licht mit zwei Kameras erfasst wird. Aus den erfassten Bilddaten werden anschließend eine dreidimensionale Topographie und weitere Parameter wie die Hämoglobinkonzentration berechnet. Außerdem wurde eine weitere Generation des Messsystems entwickelt, welche auf einer mikrooptischen hyperspektralen Detektionseinheit basiert, die es zukünftig ermöglicht, einen deutlich größeren Spektralbereich zu erfassen und auszuwerten.

Zur Gewährleistung eines qualitativ hochwertigen Trainingsdatensatzes wurden Biomarker im Gewebe identifiziert. Diese mess- und bewertbaren biologischen Merkmale zeigen krankhafte Veränderungen auf und ermöglichten den Forschenden die einzelnen Datensätze zuverlässig zu klassifizieren. Zur Verwaltung der Trainingsdaten sowie der KI-Modelle wurde ein Managementsystem entwickelt, das durch eine webbasierte Benutzerschnittstelle diverse Funktionen bietet – beispielsweise lassen sich Datensätze hinzufügen, KI-Modelle trainieren und KI-basierte Diagnoseergebnisse abrufen.

Das im Projekt entwickelte System hat hohes Potenzial, aktuelle Standards der Diagnostik, welche derzeit noch auf reinen RGB-Bildern basieren, hinsichtlich der Diagnosegenauigkeit zu übertreffen. Es hat sich gezeigt, dass eine zuverlässige Klassifikation der einzelnen Datensätze anhand der Biomarker möglich ist. Die im Projekt verwendeten KI-Methoden erlauben im Vergleich zu den bislang gängigen Diagnosemethoden eine nähergehende Bewertung und Klassifizierung der zugrundeliegenden Melanome. 

MEDICA.de; Quelle: FZI Forschungszentrum Informatik