In den letzten Jahren wurden zahlreiche auf künstlicher Intelligenz (KI) basierende Softwaresysteme für die medizinische Anwendung entwickelt. Als ein Teilgebiet der Informatik befasst sich die KI mit der Automatisierung intelligenten Verhaltens und dem maschinellen Lernen. Beim maschinellen Lernen wird künstliches Wissen aus Erfahrungen generiert. Das heißt, das künstliche System lernt aus Beispielen, die es nach Ende der Lernphase verallgemeinern kann, indem Algorithmen ein auf Trainingsdaten beruhendes statistisches Modell aufbauen. Der Erfolg mehrschichtiger neuronaler Netzwerke (Deep Neuronal Network, DNN) bei der Bilderkennung schaffte d abei d ie G rundlage z ur A nwendung solcher Art Softwaresysteme in der Dermatologie.
Zusammengefasst wurden nun Daten aus 64 Publikationen über die Anwendung von Machine-Learning-Tools (MLTs) in der Dermatologie. Acht große Kategorien konnten definiert werden, in denen MLTs angewandt wurden: beim malignen Melanom (MM), beim Nicht-Melanom-Hautkrebs, bei Geschwüren, bei nicht neoplastischen Hautläsionen (NNHL), in der Dermatopathologie, bei Hautsensibilisierern, für genetische Prädiktoren und andere Vorhersagemodelle.
Generell wurden Systeme zur computergestützten Diagnose von MMs als effektiv eingestuft. Beschrieben wurden zudem zwei MLTs, die auf Grundlage von nur klinischen Daten von Patienten mit sieben verschiedenen NNHLs angelernt worden waren und damit in der Lage waren, Patienten mit einer Genauigkeit von 95 % und 100 % entsprechend der Läsionen zu klassifizieren. Getestet wurden Softwaretools, die gutartige von malignen Histologien mit einer Genauigkeit von über 89,1 % voneinander unterscheiden konnten. Zudem wurde von Systemen berichtet, die Psoriasis detektierten und in der Lage waren, deren Schweregrad einzustufen.
Die Kombination aus bildgesteuerter Software und einer Software, die Informationen zur Krankengeschichte des Patienten, über Lokalisationen der Läsionen und deren Histopathologie nutzt, stellt einen weiteren Schritt zur Anwendung von KI bei der computergestützten Diagnose und der Beobachtung des Verlaufs der Erkrankung dar. GH