In der Übersicht
Der verantwortungsvolle Einsatz moderner Künstlichen Intelligenz in klinischen Prozessen setzt voraus, dass menschliche Ärztinnen und Ärzte, die letztendlich die Verantwortung für die Diagnosestellung tragen, verstehen, auf welche Grundlage eine Künstliche Intelligenz ihren Diagnosevorschlag stützt. Insbesondere sollten dazu dieselben klinischen Merkmale beigezogen werden, wie es die evidenzbasierte Medizin vorgibt. Im Falle dermatologischer Erkrankungen umfasst dies beispielsweise die Hautrötung, Schuppung, Lokalisierung oder Abgrenzung. Aufgrund phänotypischer und anderer Einflussfaktoren ist die kombinatorische Vielfalt von klinischen Merkmalen und deren Ausprägungen riesig. Dazu kommen seltene Krankheiten und andere Herausforderungen, welche die Erstellung einer hochwertigen und repräsentativen Datenbasis von manuell mit klinischen Merkmalen annotierten Krankheitsbildern als Trainingsgrundlage einer Künstlichen Intelligenz verunmöglichen. Dieser Herausforderung begegnen wir mit Techniken des selbst-überwachten Lernens und einer automatischen Abbildung von visuellen Merkmalen auf medizinische Taxonomien. Ziel des Projekts ist ein diagnostisches System, welches in der Lage ist, seine Diagnose anhand anerkannter klinischer Merkmale menschlichen Dermatologinnen und Dermatologen zu erklären.
