Skip to main content

Mobil-app skelner modermærke fra melanom så godt som læger

Skrevet af Gorm Palmgren den i kategorien Huden.

EADV: En ny app til mobiltelefonen kan ved hjælp af kunstig intelligens skelne pigmenterede modermærker fra andre hudlæsioner på dermoskopi-billeder, og det næsten lige så godt som en erfaren dermatolog.

Mens app'en også med stor sikkerhed kunne udelukke en diagnose med malignt melanom på billeder af andre typer læsioner, var den ikke så god som lægerne til at spotte de ondartede svulster, når den så dem.

Algoritmen bag app'en er baseret på et såkaldt konvolutionelt neuralt netværk, der er inspireret af neuronerne i synscentret og kan genkende mønstre i billeder. Den er udviklet af forskere ved Lithuanian University of Health Sciences i Kaunas, Litauen, som præsenterede resultaterne af dens formåen onsdag ved European Academy of Dermatology and Venereology's årskongres i Milano (abstract #1719).

"Jeg mener, at den største udfordring, vi står overfor, er valideringen af algoritmer baseret på kunstig intelligens i prospektive kliniske forsøg," siger dermatolog Jokubas Liutkus, der er en af forskerne bag studiet og var tilstede på kongressen.

"Når det er gjort, kan den bedste teknologi tages i brug i det primære sundhedsvæsen. Praktiserende læger vil kunne få adgang til diagnoser på dermatolog-niveau af god- og ondartede tumorer," tilføjer han.

Diagnostisk træfsikkerhed

Forskerne trænede algoritmen, som de har døbt DIVAT, med mere end 58.000 dermoskopi-billeder af benigne og maligne hudlæsioner, inklusive cirka 18.000 melanocytære nævi, 5.100 maligne melanomer, 3.300 basalcellecarcinomer, 600 spinocellulære carcinomer og 31.000 ukategoriserede benigne tumorer.

DIVAT blev testet på 100 dermoskopi-billeder af histologisk verificeret malignt melanom (n = 32), melanocytært nævus (n = 35), seboroisk keratose (n = 33), og dens diagnose blev holdt op imod diagnoser stillet på samme grundlag af to erfarne dermatologer.

DIVAT havde en sensitivitet på op til 94 procent (95% CI, 90%-99%) og en specificitet på op til 77 procent (95% CI, 69%-85%) for nævi, hvorimod dermatologerne præsterede en sensitivitet på 51 til 94 procent og en specificitet på 95 til 97 procent.

For malignt melanom opnåede app'en en sensitivitet på 63 procent (95% CI, 53%-72%) og en specificitet på 97 procent (95% CI, 94%-100%). Til sammenligning var sensitiviteten og specificiteten for dermatologernes diagnose på henholdsvis 97 til 100 procent og 71 til 97 procent.

Overordnet havde app'en en diagnostisk træfsikkerhed (AUC) på 73% for alle læsioner.

"For melanocytære nævi var sensitiviteten på dermatolog-niveau med lavere specificitet," konkluderer forskerne i abstractet. "Fremtidig udvikling af vores teknologi vil kræve justering af DIVAT for at opnå fobedret sensitivitet for malignt melanom samt yderligere trænings-data med non-melanocytære tumorer."