KI-Tool klassifiziert Hautläsionen in Klinik-Workflows

Das Forschungsinstitut IBIS der Universität Alicante (UA) und das Universitätsklinikum Sant Joan d'Alacant haben gemeinsam das KI-gestützte Diagnosewerkzeug MEL-IA veröffentlicht. Die Ergebnisse der Entwicklung wurden im Fachjournal Journal of Medical Systems präsentiert. MEL-IA dient als klinisches Entscheidungshilfesystem zur automatisierten Klassifizierung von Hautläsionen und wurde speziell für die nahtlose Integration in bestehende Krankenhaus-IT-Infrastrukturen konzipiert. Die technische Architektur umfasst eine mobile Applikation zur Erfassung dermatoskopischer Aufnahmen und klinischer Patientendaten, ein klassifizierendes KI-Modell sowie Sicherheitsmodule für die verschlüsselte Datenübertragung in die Krankenhausnetzwerke. Das zugrunde liegende Modell wurde mit mehr als 15.000 dermatoskopischen Bildern sowie demografischen und anatomischen Daten trainiert und validiert. Im Gegensatz zu reinen Malignitäts-Scannern differenziert MEL-IA zwischen fünf zentralen Läsionstypen: Melanom, Naevus, basalzelluläres Karzinom, aktinische Keratose und benignes Keratose. Bei der Validierung im klinischen Alltag am Klinikum Sant Joan d'Alacant erreichte das System eine Gesamtrichtigkeit von 86 Prozent. Besonders hervorzuheben sind die Sensitivitätswerte von 88 Prozent bei der Erkennung von Melanomen und 92 Prozent für basalen Hautkrebs. Bei der Verarbeitung von 980 dermatologischen Studien betrug die Antwortzeit jeweils weniger als eine Sekunde. Das Tool dokumentiert Läsionen longitudinal und verknüpft Verlaufsfotos, Diagnosen und ärztliche Beobachtungen in einer zentralen Patientenakte. Die Projektleitung liegt bei Alberto de Ramón, Daniel Ruiz, Marcelo Saval und Pablo Candela von der UA sowie José María Salinas und Diego Guijarro vom IT-Dienstleistungsbereich des Kliniks. Die Autoren betonen, dass MEL-IA ausschließlich der Unterstützung des medizinischen Fachpersonals dient und keine autonomen Diagnosen stellt. Als künftige Entwicklungsziele stehen prospektive klinische Studien mit behandelnden Ärzten, die direkte Bilddokumentation über Standard-Smartphones sowie die Erweiterung des Klassifizierungsspektrums auf weitere Hautveränderungen im Fokus. Die Integration markiert einen signifikanten Schritt zur Digitalisierung der dermatologischen Versorgung und zur Automatisierung routinemäßiger Screening-Prozesse unter Einhaltung höchster Datenschutzstandards.