Anhand einer Datenbank mit Fotos haben Informatiker, Dermatologen und Ingenieure der Standford Universität ein Algorithmus entwickelt, der tödliche und häufige Arten von Hautkrebs identifizieren kann. Die Leistung der KI wurde dann mit der von 21 Fachärzten verglichen. Das Ergebnis: Der Algorithmus ist bei 130.000 Tests zu den gleichen Resultaten gekommen wie die Ärzte.
„In dieser Studie haben wir die Identifikation von Hautkrebs als eine Aufgabe zur Klassifizierung von Objekten behandelt und einem Deep Learning-Algorithmus beigebracht, zwischen verschiedenen Krankheiten zu unterscheiden”, sagte Andre Esteva, Elektroingenieur und Hauptautor der Studie.
Die Deep Learning-Methode, die menschliche neuronale Netzwerke imitiert, ist nach Forschungserfolgen in den vergangenen Jahren immer beliebter geworden. Ein wichtiger Anwendungsbereich ist es, der KI beizubringen, Muster in Fotos zu erkennen und dieses Wissen auf neue Bilder zu übertragen.
Dem Algorithmus der Universität Standford wurden 129.450 Übungsbildern mit 2.032 verschiedenen Hautkrankheiten präsentiert. Weniger häufige Krankheiten wurden in Gruppen zusammengefasst, sodass insgesamt 735 Untergruppen von Hautkrankheiten zusammenkamen. Nachdem die KI gelernt hatte, wie Hautkrebs aussieht, trat sie gegen die Fachärzte an. Drei verschiedene Krebsarten mussten Mensch und Maschine jeweils erkennen.
„Es ist eine schnelle und skalierbare Methode, die auch auf Mobilgeräten eingesetzt werden kann. Sie ist potenziell von großer Bedeutung für den klinischen Alltag, den Ausbau ärztlicher Grundversorgung und der Verbesserung des Diagnoseverfahrens für Dermatologen”, schrieb das Team in der Studie, welche in der Fachzeitschrift Nature veröffentlicht wurde.
Allerdings wurden die Fotos auch in einer klinischen Umgebung erstellt, in der Fachärzte professionelle Instrumente verwendet haben, um die Hautkrankheiten zu fotografieren.
„Die Kehrseite ist, dass [die Software] im Moment nur auf klinische Bilder trainiert ist, die möglicherweise anders ausgeleuchtet sind, aber sonst trotzdem ähnliche Eigenschaften haben”, sagte Evelina Gabasove, eine Bioinformatikern der University of Cambridge. „Bis die KI von einer Diagnose-App verwendet werden kann, bedarf es einer ganzen Menge von Referenzfotos, die von Smartphone-Kameras kommen.“
Die Forscher der Universität Stanford ist nicht die einzigen, die neuronale Netzwerke nutzen, um Bilder zu identifizieren und klassifizieren. „Der Deep Learning-Ansatz ist vielversprechend für eine ganze Reihe an Arbeiten, die sich zurzeit mit Bilderkennungsproblemen beschäftigen – in der Literatur zu maschinellem Sehen sowie in bildgebenden Verfahren.”, erklärte Tanveer Syeda-Mahmood, der als Chef-Wissenschaftler in IBMs Almaden Research Center arbeitet.
Deep Learning wurde schon zur Identifikation verschiedener Katzenrassen, dem Erkennen von Palmen auf Satellitenbildern und Selfies genutzt. Im medizinischen Bereich hat Google eine KI trainiert, um diabetische Retinopathie zu erkennen, welche zur Erblindung führen kann. Microsoft hat die Methode zur Erkennung anderer Krebsarten verwendet. Das israelische Startup Zebra Medical Vision hat einem Algorithmus beigebracht, Brustkrebs zu erkennen und Herz-Kreislaufzwischenfälle vorherzusagen.
„Im Allgemeinen kann diese Art von Algorithmus auf alles trainiert werden, wofür ausreichende Bilddaten vorhanden sind und kann auch für andere medizinische Bildgebungsverfahren eingesetzt werden“, sagte Esteva.
Der Stanford-Algorithmus kann bisher nur auf Computern benutzt werden. Das Team um Andre Esteva arbeitet aber daran, eine entsprechende App für Smartphones zu entwickeln. Dafür sei aber noch viel mehr Forschung nötig, sagt er.
