Das Trainingsdatenset bestand aus 8.021 Fotos. 900 davon zeigten die Diagnose Psoriasis und die restlichen entfielen auf acht andere Hauterkrankungen mit Psoriasis-ähnlichem Erscheinungsbild. Alle Bilder stammten von Patienten eines Krankenhauses, wurden mit einer professionellen Digitalkamera aufgenommen und zeigten alle Formen von Hautläsionen gut ausgeleuchtet.
Im Vorfeld hatten die Autoren vermutet, dass eine zweistufige KI die komplexen Erscheinungsbilder der Hauterkrankung besser erkennen würde. Um die Vermutung zu überprüfen, trainierten sie mit dem Datenset vier zweistufige und ein einstufiges KI-Modell und verglichen die Ergebnisse: Das zweistufige Modell InceptionV3 erreichte mit einer Fläche unter der Kurve (area under the curve, AUC) von 0,981 ± 0,015 die besten Ergebnisse. An einem Testset von 100 Bildern wurde die Diagnosegenauigkeit von InceptionV3 mit der von 25 Dermatologen verglichen: Die KI erreichte eine Genauigkeit von 0,96, die Dermatologen erreichten 0,87. Die Autoren vermuteten daher, dass die KI Ärzte bei der Diagnose unterstützen könnte.
Weil in der klinischen Praxis nicht nur die berücksichtigten acht der Psoriasis ähnlichen Erkrankungen vorkommen, wurde die KI an zwei weiteren Testsets mit je 50 Bildern getestet: Set 1 beinhaltete Hauterkrankungen, die der Psoriasis unähnlich sind, Set 2 bestand aus Hauterkrankungen, die der Psoriasis ähnlich sind. Die Gesamtgenauigkeit betrug 0,88. Damit hat nach Einschätzung der Autoren InceptionV3 gezeigt, dass es auch unter Real-World-Bedingungen gut Ergebnisse bringt.
Die Autoren fassten zusammen, sie hätten zum ersten Mal KI an einem Datenset von vorwiegend chinesischen Patienten intensiv untersucht, um Psoriasis zu diagnostizieren. Die Genauigkeit der Diagnosen war hoch, die Diagnoseleistung der KI war besser als die von 25 Dermatologen. MR