Kunstmatige intelligentie beter in herkennen huidkanker dan dermatologen

Onderzoekers hebben voor het eerst aangetoond dat een vorm van kunstmatige intelligentie beter huidkanker kan opsporen dan ervaren dermatologen. Het systeem, genaamd deep learning convolutional neural network (CNN), is gepresenteerd in het toonaangevende blad Annals of Oncology.

Kunstmatige intelligentie vs. dermatologen

Onderzoekers uit Duitsland, de VS en Frankrijk trainden het CNN om huidkanker te identificeren door het systeem meer dan 100.000 afbeeldingen te tonen van kwaadaardige melanomen (de meest dodelijke vorm van huidkanker). Ook lieten ze het CNN goedaardige moedervlekken (‘naevi’) beoordelen.

Vervolgens werden dermatologen van over de hele wereld uitgenodigd om aan het onderzoek deel te nemen. 58 specialisten uit 17 landen accepteerden het verzoek. Zij werden onderworpen aan een test met twee niveaus, waarin dezelfde personen en gevallen werden getoond met een interval van vier weken tussen het maken van de foto’s.

In niveau 1 detecteerden de dermatologen een gemiddelde van 86,6% van de melanomen. Ook identificeerden zij gemiddeld 71,3% van de gevallen die niet kwaadaardig waren. Op niveau 2 verbeterden de dermatologen hun prestaties, waarbij ze 88,9% van de kwaadaardige melanomen correct diagnosticeerden en 75,7% van de gevallen die geen kanker waren. Het CNN deed het aanmerkelijk beter en herkende maar liefst 95% van de melanomen.

Machine learning

Een CNN is een kunstmatig neuraal netwerk, geïnspireerd op de biologische processen wanneer zenuwcellen (neuronen) in de hersenen met elkaar verbonden zijn en reageren op wat het oog ziet. Een CNN is in staat om snel te leren van beelden en daarmee zijn prestaties te verbeteren. Dit proces wordt machine learning genoemd.

Professor Holger Haenssle is hoofdauteur en werkt als bij de afdeling Dermatologie aan de Universiteit van Heidelberg. Hij legt uit: “Het CNN werkt als het brein van een kind. Met elk trainingsbeeld verbeterde het vermogen om te differentiëren tussen goedaardig en kwaadaardig.”

Moeilijkste gevallen van mogelijke huidkanker

Haenssle vervolgt: “Na het afronden van de training hebben we twee tests gemaakt met behulp van gegevens uit de Heidelberg-bibliotheek. Deze waren nog nooit gebruikt voor training en waren daarom onbekend voor het CNN. Aan de hand van een set van 100 van de moeilijkste gevallen werden de resultaten van de dermatologen en het CNN met elkaar vergeleken.”

“Het CNN mistte minder melanomen, wat betekent dat het een hogere gevoeligheid had dan de dermatologen. Ook heeft het minder vaak een verkeerde diagnose gesteld bij goedaardige moedervlekken, wat betekent dat het een hogere specificiteit had. Dit kan resulteren in minder onnodige operaties”, vertelt professor Haenssle.