Donnerstag, 25. April 2024
Navigation öffnen
Medizin

Neuer Algorithmus klassifiziert Hautkrankheiten

Neuer Algorithmus klassifiziert Hautkrankheiten
© fovito – stock.adobe.com
Dermatolog:innen klassifizieren Hautkrankheiten in der Regel auf der Grundlage mehrerer Datenquellen. Algorithmen, die diese Informationen zusammenführen, können die Klassifizierung unterstützen. Ein internationales Forschungsteam hat nun einen Algorithmus entwickelt, der durch ein neues Verfahren der Datenfusion Hautkrankheiten genauer als bisherige Algorithmen klassifiziert.

Algorithmen zur Erkennung von Hautkrankheiten in der Entwicklung

Weltweit leiden viele Menschen an Hautkrankheiten. Für die Diagnose greifen Ärzt:innen  häufig auf mehrere Informationsquellen zurück. Dazu gehören beispielsweise Fotos aus der Klinik, mikroskopische Bilder und Metadaten wie Alter und Geschlecht der Patient:innen. Deep-Learning-Algorithmen können die Klassifizierung verschiedener Hautveränderungen unterstützen, indem sie alle Informationen zusammenführen und auswerten. Es sind bereits mehrere solcher Algorithmen in der Entwicklung. Um diese Lernalgorithmen in der Klinik anwenden zu können, müssen sie jedoch weiter verbessert werden, um eine höhere Genauigkeit bei der Diagnose zu erreichen.
 

Lesen Sie mehr zu diesem Thema:

Was kann Künstliche Intelligenz in der Medizin leisten?

Erschienen am 23.06.2021Welchen Fortschritt leistet Künstliche Intelligenz bei Ärzten und dem Fach Medizin im Allgemeinen? Die Antwort lesen Sie bei www.journalmed.de!

Erschienen am 23.06.2021Welchen Fortschritt leistet Künstliche Intelligenz bei Ärzten und dem Fach Medizin im Allgemeinen? Die...

Neues Datenfusionsverfahren verbessert die Diagnosegenauigkeit bei Hautkrankheiten

Ein Forschungsteam um PD Dr. Tobias Lasser vom Munich Institute of Biomedical Engineering (MIBE) der Technischen Universität München (TUM) hat nun einen neuen Lernalgorithmus – FusionM4Net – entwickelt, der eine höhere durchschnittliche Diagnosegenauigkeit aufweist als bisherige Algorithmen. Der Code für FusionM4Net ist frei verfügbar. Der neue Algorithmus verwendet einen sogenannten multimodalen, mehrstufigen Prozess zur Datenzusammenführung.

•    „Multi-modal“ - Mehrere Datenmodalitäten: Der Lernalgorithmus integriert drei verschiedene Datentypen: In der Klinik aufgenommene Fotos, mikroskopische Bilder der verdächtigen Hautläsion und Metadaten der Patientinnen und Patienten.

•    „Multi-label“ - Mehrere Hauterkrankungen: Die Forschenden trainierten den Algorithmus zur Unterscheidung fünf verschiedener Kategorien von Hautveränderungen.

•    „Multi-stage“ - Mehrere Stufen:  Der neue Algorithmus fügt zunächst die verfügbaren Bilddaten und dann die Metadaten der Patientin oder des Patienten zusammen. Dieser zweistufige Prozess ermöglicht eine Gewichtung der Bilddaten und Metadaten beim Entscheidungsprozess des Algorithmus. Dadurch unterscheidet sich FusionM4Net deutlich von bisherigen Algorithmen auf diesem Gebiet, die alle Daten auf einmal zusammenführen.

Um die Diagnosegenauigkeit eines Algorithmus zu bewerten, kann er mit der besten vorhandenen Klassifizierung für den verwendeten Datensatz verglichen werden, für die der Wert 100% angesetzt wird. Die durchschnittliche Diagnosegenauigkeit von FusionM4Net verbesserte sich durch den mehrstufigen Prozess auf 78,5% und übertraf damit alle weiteren Algorithmen, mit denen er verglichen wurde.

FusionM4Net auf dem Weg zur klinischen Anwendung

Um die Reproduzierbarkeit zu gewährleisten, wurde zum Trainieren des Algorithmus ein öffentlich zugänglicher Datensatz verwendet. Datensätze sind in der Dermatologie jedoch nicht überall standardisiert. Je nach Klinik können unterschiedliche Arten von Bildern und Patienteninformationen vorliegen. Daher muss der Algorithmus für den tatsächlichen klinischen Einsatz mit den Daten umgehen können, die in der jeweiligen Klinik verfügbar sind. Gemeinsam mit der Klinik und Poliklinik für Dermatologie und Allergologie des Universitätsklinikums der LMU München arbeitet das Forschungsteam intensiv daran, den Algorithmus für die zukünftige klinische Routine einsatzfähig zu machen. Dafür integriert das Team aktuell zahlreiche Datensätze, die für diese Klinik standardisiert wurden.

Quelle: TUM



Sie können folgenden Inhalt einem Kollegen empfehlen:

"Neuer Algorithmus klassifiziert Hautkrankheiten"

Bitte tragen Sie auch die Absenderdaten vollständig ein, damit Sie der Empfänger erkennen kann.

Die mit (*) gekennzeichneten Angaben müssen eingetragen werden!

Die Verwendung Ihrer Daten für den Newsletter können Sie jederzeit mit Wirkung für die Zukunft gegenüber der MedtriX GmbH - Geschäftsbereich rs media widersprechen ohne dass Kosten entstehen. Nutzen Sie hierfür etwaige Abmeldelinks im Newsletter oder schreiben Sie eine E-Mail an: rgb-info[at]medtrix.group.