Im Rahmen der International Symposium on Biomedical Imaging (ISBI) 2016 Challenge wurde die Güte von Klassifikatoren zur Melanom-Früherkennung an 379 Bildern getestet. Der Sieger erreichte damals eine Zuverlässigkeit von 0,637 und trotz vielversprechender neuer Entwicklungen konnte diese Leistung bisher nicht getoppt werden.
Der neue Klassifikator aus Heidelberg schaffte es nun an denselben Testbildern auf einen Zuverlässigkeitswert von 0,709, bei einer AUC (area under the receiver operating curve) von 0,85. Er basiert auf dem ResNet50-Netzwerk- Modell, das mit einem Datensatz von 1,28 Millionen Bildern vortrainiert wurde. Im Vergleich zu vorigen Modellen ist der neue Klassifikator um 11,3 % präziser in seiner Diagnostik. Bei einem Schwellenwert von 0,5 erreichte er eine Sensitivität von 56 % und eine Spezifität von 90,8 % bei der korrekten Identifikation maligner Läsionen. Damit ist ein weiterer Schritt in der Entwicklung von selbstlernenden diagnostischen Algorithmen zur Melanom-Früherkennung getan. OH