{"id":173978,"date":"2019-06-14T11:30:50","date_gmt":"2019-06-14T09:30:50","guid":{"rendered":"https:\/\/innovationorigins.com\/?p=173978"},"modified":"2019-06-14T11:30:50","modified_gmt":"2019-06-14T09:30:50","slug":"bilderkennungs-algorithmen-erkennt-hautveraenderungen-zuverlaessiger-als-mediziner","status":"publish","type":"post","link":"https:\/\/ioplus.nl\/archive\/de\/bilderkennungs-algorithmen-erkennt-hautveraenderungen-zuverlaessiger-als-mediziner\/","title":{"rendered":"Bilderkennungs-Algorithmen erkennen Hautver\u00e4nderungen zuverl\u00e4ssiger als Mediziner"},"content":{"rendered":"

In einer Studie an der Medizinischen Universit\u00e4t Wien<\/em> \u00fcbertraf K\u00fcnstliche Intelligenz selbst die besten Mediziner. Die Bilderkennungs-Algorithmen stellten um ein Viertel mehr richtige Diagnosen bei Hautl\u00e4sionen.<\/p>\n

In der Medizin sind die Erwartungen an die K\u00fcnstliche Intelligenz hoch \u2013 speziell wenn es um die Diagnose geht. Sich wiederholende Aufgaben, wie die Auswertung von Bildern, lassen sich an lernf\u00e4hige Software delegieren. Sogenannte Diagnoseroboter. \u00c4rzte sollen sich dann nicht mehr mit der Deutung von Bildern besch\u00e4ftigen, sondern mit der Diagnose, der Therapie und dem Patienten.<\/p>\n

Auch der Diagnose von Hautl\u00e4sionen liegen Bilder zugrunde. Hautl\u00e4sionen sind pigmentierte Hautver\u00e4nderungen wie Muttermale und Melanome. Die Diagnose ist f\u00fcr die Fr\u00fcherkennung von Hautkrebs relevant.<\/p>\n

Menschliche Erfahrung vs. Maschinelles Lernen<\/h3>\n

Die Bilderkennungs-Algorithmen, die im Rahmen der Challenge der International Skin Imaging Collaboration<\/em> <\/a>(ISIC<\/em>) getestet wurden, waren durch die Bilddatenbank HAM10.000<\/em> geschult. Diese umfasst mehr als 10.000 auflichtmikroskopisch angefertigte Aufnahmen von sieben verschiedenen Klassen an pigmentierten Hautver\u00e4nderungen: harmlose Muttermale, Dermatofibrome, Altersflecken, Blutschw\u00e4mme, b\u00f6sartige Melanome, Basalzellkarzinome und Morbus Bowen (wei\u00dfer Hautkrebs). Die Mediziner stellten ihre Diagnose aufgrund ihrer Erfahrung aus Forschung und Klinik.<\/p>\n

Angelegt wurde die Bilddatenbank von der Arbeitsgruppe von Harald Kittler<\/em> <\/a>an der Universit\u00e4tsklinik f\u00fcr Dermatologie<\/em><\/a> an der Medizinischen Universit\u00e4t Wien<\/em><\/a> in Kooperation mit der University of Queensland<\/em> <\/a>in Brisbane, Australien.<\/p>\n

Bilderkennungs-Algorithmen besser als Mediziner<\/h3>\n

Insgesamt waren es hundertneununddrei\u00dfig Bilderkennungs-Algorithmen aus siebenundsiebzig Laboratorien f\u00fcr Maschinelles Lernen<\/em> weltweit, die bei der ISIC Challenge<\/em> antraten. Die Maschinen standen mit f\u00fcnfhundertelf Medizinern im Wettbewerb. Menschen und Maschinen mussten auf einer Online-Plattfom drei\u00dfig Bilder beurteilen. Es handelte sich um Bilder, die nicht in der Bilddatenbank HAM10.000<\/em> enthalten waren. Hier die wichtigsten Ergebnisse der Studie:<\/p>\n