AI overtreft ervaren dermatologen in nauwkeurigheid huidkankerdetectie

• Onderzoekers trainden een convolutioneel neuraal netwerk om huidkanker te detecteren.
• Het presteerde beter dan een internationale groep ervaren dermatologen.
• De AI zal dokters niet vervangen maar kan dienen als hulpmiddel voor nauwkeurigere besluitvorming.

Voor het eerst heeft een internationaal team getoond dat kunstmatige intelligentie huidkanker nauwkeuriger kan detecteren dan ervaren dermatologen.

Maligniteit melanoma-cases stijgen – meer dan 230.000 nieuwe diagnoses wereldwijd en 59.800 doden in 2015. Vroege detectie is cruciaal; in stadium IV vallen de 5- en 10-jaar overlevingscijfers naar 15% en 10%.

Het European Society for Medical Oncology-team trainde een Convolutioneel Neuraal Netwerk (CNN) op meer dan 100.000 dermoscopische afbeeldingen van maligne melanomen en goedaardige moedervlekken.

In een heads-up vergelijking miste de CNN minder positieve gevallen dan 58 dermatologen uit 14 landen.

Kunstmatig Neuraal Netwerk

De onderzoekers gebruikten Google's Inception-v4-architectuur, getraind op dermoscopische afbeeldingen en hun diagnoses. Neurale netwerken leren door voorbeeld, progressief verbeterend naarmate ze blootgesteld worden aan meer data.

Afbeeldingen werden 10x vergroot om de CNN een gedetailleerd zicht te geven. Elke trainingsiteratie scherpte het model's vermogen om maligne van goedaardige letsels te onderscheiden.

CNN vs. Artsen

Twee testsets werden gemaakt: Niveau-I (alleen dermoscopische afbeeldingen) en Niveau-II (dermoscopische afbeeldingen plus klinische informatie). Zowel CNN als de dermatologen maatten specificiteit, sensitiviteit en het gebied onder de ROC-curve.

In Niveau-I bereikten dermatologen gemiddeld 86,6% sensitiviteit voor melanoma en 71,3% specificiteit voor goedaardige moedervlekken. De CNN bereikte 95% sensitiviteit voor melanoma terwijl de dezelfde 71,3% specificiteit voor goedaardige moedervlekken behield.

In Niveau-II verbeterde de prestatie voor beide groepen, maar de CNN toonde nog steeds hogere sensitiviteit en specificiteit, met minder gemiste kankers en minder misgeclassificeerde goedaardige letsels.

Resultaten matchten ook de top-drie algoritmes van de 2016 International Symposium on Biomedical Imaging (ISBI) challenge.

Conclusie

De data duiden erop dat een CNN zelfs hoog-ervaren dermatologen kan overtreffen in het identificeren van huidkanker.

Hoewel de technologie niet bedoeld is om clinici te vervangen, biedt het een krachtig beslisondersteuningshulpmiddel dat diagnostische nauwkeurigheid kan verbeteren.

Lees: Google ontwikkelt AI die hartziektes voorspelt door je ogen te scannen

Toekomstige verbeteringen zullen komen van grotere trainingsets en vooruitgang in imaging-technologie, wat dermatologische diagnostiek in de nabije toekomst kan transformeren.

Referentie: Annals of Oncology | doi: 10.1093/annonc/mdy166