Wer zum Dermatologen oder zur Dermatologin geht, wünscht sich eine schnelle und präzise Diagnose. Dabei helfen Bilddatenbanken: Die Ärztin fotografiert die auffällige Hautstelle, gleicht sie mit Aufnahmen ähnlicher Erkrankungen ab und kommt so der richtigen Diagnose näher. Doch solche Datenbanken sind nicht selten unvollständig. «In der KI-Forschung heisst es oft: Je mehr Daten gesammelt werden, desto besser», sagt Fabian Gröger, HSLU-Forscher und Doktorand an der Universität Basel. «Unsystematisch gesammelt, bekommt man aber nur mehr vom Gleichen.» Hinzu komme, dass das Zusammentragen medizinischer Daten aufwendig und teuer ist. Es müssen Patienteneinwilligungen eingeholt und Bilder professionell dokumentiert werden. Die entscheidende Frage lautet daher, welche Bilder wirklich weiterführen. Hier setzt das Forschungsprojekt «SkinMap» an.
Im Rahmen von SkinMap hat Fabian Gröger gemeinsam mit Co-Forschenden der HSLU und des Universitätsspital Basel öffentlich verfügbare dermatologische Bilddatensätze zusammengeführt: Insgesamt 1,1 Millionen Bilder aus 29 Datenbanken weltweit. Mithilfe von KI wurden ähnliche Bilder gruppiert und unterschiedliche Sprachbezeichnungen derselben Krankheit vereinheitlicht.
Unterrepräsentiert: dunklere Hauttöne, Kinderhaut und gesunde Haut
Das Ergebnis ist ein durchsuchbarer digitaler Atlas, ergänzt um eine Art «Fahndungsliste» für fehlende Daten. Hautärztinnen und Hautärzte können prüfen, ob ein neues Foto tatsächlich eine Lücke schliesst. «So können neue Beiträge effizienter geplant und Ressourcen sinnvoll eingesetzt werden, sowohl in der Forschung als auch in der klinischen Dokumentation», ist Fabian Gröger überzeugt.
Bereits zeigen sich zwei grosse Lücken: Während Hautveränderungen auf heller Haut vielfach dokumentiert sind, machen dunklere Hauttöne nur 5,8 Prozent und Kinderhaut nur 3 Prozent der verfügbaren Bilddaten aus. Zudem wird auch deutlich, dass Bilder von gesunder Haut selten sind. Wenn Daten publiziert werden, zeigen sie meist Krankheitsfälle, was verständlich, aber problematisch sei, wie Prof. Alexander Navarini, Chefarzt Dermatologie am Universitätsspital Base sagt. «Für KI-Systeme ist es entscheidend, auch Variationen gesunder Haut zu ‹kennen›, um Abgrenzungen zuverlässiger zu machen.»
