Gutartiges Muttermal oder bösartiges Melanom? Diese Frage stellen sich Dermatologinnen und Dermatologen oft bei Untersuchungen. Hautkrebs ist eine sehr häufig auftretende Krebserkrankung, welche insbesondere in den letzten Jahren stark zugenommen hat – das zeigt beispielsweise eine Datenerhebung der KKH Kaufmännische Krankenkasse aus dem Jahr 2016. Aktuell liegt die Sensitivität bei der dermatoskopischen Diagnose bei nur 85 %. Um diese Prognosegenauigkeit von Hautkrebs durch Verfahren zur quantitativen Bilderzeugung und KI-Methoden zu verbessern, haben sich fünf baden-württembergische Forschungsinstitute im Rahmen des Projekts „Intelligente Diagnostik“ zu einem Konsortium zusammengeschlossen. Nach einer Laufzeit von 21 Monaten wurde das Forschungsprojekt erfolgreich abgeschlossen.

Nun liegt der Abschlussbericht des Forschungsprojekts vor. Eine wichtige Erkenntnis der Forscherinnen und Forscher war, dass eine morphologische Veränderung im Hautgewebe dazu führen kann, dass sich die Streueigenschaften des Gewebes verändern, was dann für die Diagnostik herangezogen werden kann. Für die Datengewinnung im Projekt wurde ein klinischer Aufbau konzipiert und entwickelt, der dank multispektraler Beleuchtung und schneller Kameras als Detektoren Bilddaten erfasst, die für das menschliche Auge nicht sichtbar sind. Hierzu projiziert dieser mit neun LEDs im sichtbaren und nah-infraroten Bereich unterschiedliche Beleuchtungsmuster auf die Hautläsion, deren remittiertes Licht mit zwei Kameras erfasst wird. Aus den erfassten Bilddaten werden anschließend eine dreidimensionale Topographie und weitere Parameter wie die Hämoglobinkonzentration berechnet. Außerdem wurde eine weitere Generation des Messsystems entwickelt, welche auf einer mikrooptischen hyperspektralen Detektionseinheit basiert, die es zukünftig ermöglicht, einen deutlich größeren Spektralbereich zu erfassen und auszuwerten.
Zur Gewährleistung eines qualitativ hochwertigen Trainingsdatensatzes wurden Biomarker im Gewebe identifiziert. Diese mess- und bewertbaren biologischen Merkmale zeigen krankhafte Veränderungen auf und ermöglichten den Forschenden die einzelnen Datensätze zuverlässig zu klassifizieren. Zur Verwaltung der Trainingsdaten sowie der KI-Modelle wurde ein Managementsystem entwickelt, das durch eine webbasierte Benutzerschnittstelle diverse Funktionen bietet – beispielsweise lassen sich Datensätze hinzufügen, KI-Modelle trainieren und KI-basierte Diagnoseergebnisse abrufen. Ein FZI-Video zum Forschungsprojekt und dem System stellt das Projekt vor und erläutert den Diagnoseprozess, den Aufbau des Systems sowie die Funktionsweise der prototypischen Aufbauten.