Das maligne Melanom ist die am häufigsten tödlich verlaufende Hautkrankheit. Die Anzahl an Neuerkrankungen steigt weltweit. Nur eine schnelle Diagnose und frühzeitige Behandlung können vermeiden, dass der Tumor metastasiert, was wiederum zu einer dramatischen Reduktion der Lebenserwartung führt. Noch heute ist der gängige Standard in der Diagnostik die Untersuchung mit einem analogen Dermatoskop durch einen Dermatologen.
Die Diagnostik maligner Melanome kann durch den Einsatz moderner digitaler Bildgebungsverfahren und Algorithmen deutlich verbessert werden. Eine Grundvoraussetzung dafür ist die Vergleichbarkeit der dermatologischen Bilder, wozu eine Farbkalibrierung entwickelt werden muss, um eine Invarianz gegen Farbänderungen zu erhalten. Darauf aufbauend sollen Algorithmen zur Klassifizierung der den Bildern zugrunde liegenden Läsionen sowie ein neues Verfahren zur dreidimensionalen Bildaufnahme des vollständigen Körpers entwickelt werden.
Die farbkalibrierten dermatologischen Bilder dienen als Basis für einen Algorithmus für KI, welcher mittels Deep-Learning-Verfahren eine Aussage über die den Bildern zugrundeliegenden Läsionen vornimmt. Dabei wird einerseits ein klassisches Verfahren angewendet, welches die Läsionen mittels Klassifizierungsverfahren in eine der möglichen klinischen Kategorien (wie beispielsweise Haemangioma, Verrucae seborrhoica oder Malignant Melanoma) einteilt. Aufgrund der für ein Big-Data-basiertes Deep-Learning-Verfahren geringen Anzahl (nur mehrere tausend) an klinischen Referenzbildern wurden die bestehenden Bilder augmentiert und mittels webbasierter Bildersuche auf mehrere zehntausend Bilder ergänzt. Darüber hinaus wurde ein Verfahren entwickelt, welches einen Image Retrieval Ansatz verfolgt, bei dem dem Dermatologen zu einem aktuellen Bild die drei ähnlichsten, klinisch bewerteten Bilder aus der Datenbank dargestellt werden. Für die Erstellung einer dreidimensionalen Bildaufnahme des vollständigen Körpers wurden verschiedene Algorithmen zur Freihand-Aufnahme in Verbindung mit verschiedenen Hardware-Lösungen untersucht und darauf aufbauend ein Verfahren entwickelt, welches auf Basis von Deep-Learning basiertem Korrespondenz-Matching eine robuste 3D-Aufnahme ermöglicht. Um eine dreidimensionale Zuordnung zwischen den Läsionen zu ermöglichen, wird eine Korrespondenz zwischen den vorhergehenden und aktuellen Bildern berechnet.
Es konnten neue Lösungen entwickelt werden, die in der Diagnostik des malignen Melanoms den Dermatologen unterstützen können, sowohl in der automatischen KI-basierten Analyse als auch in Form eines neuartigen dreidimensionalen Bildgebungsverfahrens.
