Avanceret billeddannelse skelner mellem benigne og maligne hudlæsioner
NCDV: Med en ikke-invasiv kombination af hyperspektral billeddannelse (HSI) og kunstig intelligens kan finske forskere hurtigt afgøre, om almindeligt forekommende hudlæsioner er benigne eller maligne typer af hudkræft.
Forskerne regner med, at metoden kan bidrage til at stille en hurtig diagnose og dermed begrænse patienternes sygdomsbyrde.
Mari Salmivuori fra Helsinki Universitetshospital præsenterede den nye teknologi i et indlæg (FC6) ved 35th Nordic Congress of Dermatology & Venereology, NCDV, som netop afholdes i København. Ved den avancerede billeddannelsesmetode HSI analyseres objektet i det elektromagnetiske spektrum, som deles op i mange flere bånd end de tre lange, mellem og korte bølgelængder, der typisk benyttes ved spektral billeddannelse med synligt lys.
119 hudlæsioner
Udover de hyperspektrale data genererede HSI-udstyret også 3D data af alle hudlæsionerne samt fotometriske stereobilleder og data om den specifikke dybde ved hver bølgelængde. Billedet analyseres pixel for pixel, og den store datamængde bearbejdes efterfølgende helt automatisk med kunstig intelligens i et såkaldt Convolutional Neural Network (CNN), som i forvejen er trænet til at adskille de fire slags hudlæsioner.
Metoden blev afprøvet på 119 hudlæsioner, hvoraf 22 stammede fra basalcellekræft (BCC), 27 fra almindelige modermærker (ID), 30 fra Bowens sygdom (BD) og 40 fra seboroisk keratose (SK). Rask hud (HS) blev benyttet som en kontrol. Resultaterne viste, at BCC, ID og HS kunne klassificeres med en sensitivitet på 89 procent og en specificitet på 94 procent, mens den positivt prædiktive værdi var 90 procent. Derudover kunne BD, SK og HS klassificeres med en sensitivitet på 87 procent, en specificitet på 92 procent og en positiv prædiktiv værdi 87 procent.
De finske forskere konkluderer, at den nye ikke-invasive HSI-CNN-metode har en god sensitivitet, der ikke kompromitteres af en lav specificitet, og som derved er velegnet til at adskille benigne og maligne hudlæsioner. (Se abstract FC6 i abstractbogen)
