KI-Hautanalyse vs. Hautarzt: Was ist genauer?

Wie KI-Hautanalyse-Tools im Vergleich zu Hautärzten abschneiden, wo ihre Stärken und Schwächen liegen und wie sie in intelligente Tracking-Routinen passen könnten.

KI-Hautanalyse ist die Anwendung von Algorithmen des maschinellen Lernens, typischerweise tiefe neuronale Netze, die auf großen Bilddatensätzen trainiert werden, um Hautzustände anhand von Fotos zu erkennen. Diese Tools reichen von Smartphone-Apps, die Muttermale klassifizieren, bis hin zu klinischen Systemen, die Hautärzte bei der Diagnose unterstützen. Bei bestimmten, eng definierten Aufgaben kann ihre Genauigkeit mittlerweile mit der von Fachärzten mithalten.

Das Versprechen ist verlockend: Du richtest dein Handy auf eine Stelle und erhältst sofort eine Einschätzung. Aber die Realität ist komplizierter, als es jede App-Store-Beschreibung vermuten lässt. KI schneidet in kontrollierten Umgebungen hervorragend ab und strauchelt in anderen. Und die Lücke zwischen einer Forschungsarbeit und deinem Badezimmerspiegel ist größer, als die meisten Leute ahnen.

Wichtige Erkenntnisse:

• Bei bestimmten Aufgaben wie der Klassifizierung von Melanomen erreicht oder übertrifft die KI die Genauigkeit von Hautärzten, aber nur, wenn sie mit den gleichen Bildtypen getestet wird, mit denen sie trainiert wurde.
• Smartphone-Apps zur Hautanalyse fehlt eine durchgängige klinische Validierung und die meisten sind nicht von Aufsichtsbehörden zugelassen.
• KI schneidet bei dunkleren Hauttönen deutlich schlechter ab, da die Trainingsdaten einen starken Überhang zu hellerer Haut aufweisen.
• Der effektivste Einsatz von KI ist als Entscheidungshilfe für einen Hautarzt, nicht als Ersatz.
• Dein bester Ansatz ist, KI-Tools zum Tracking und zur Sensibilisierung zu nutzen, während du für die Diagnose weiterhin einen Hautarzt aufsuchst.

Wie genau diagnostiziert KI Hauterkrankungen?

In kontrollierten Forschungsumgebungen schneidet die KI gut ab. Richtig gut. Eine Studie aus dem Jahr 2017 trainierte ein Faltungsnetzwerk (Convolutional Neural Network) mit 129.450 klinischen Bildern, die 2.032 Hautkrankheiten abdeckten, und erreichte die Klassifizierungsgenauigkeit von 21 Fachärzten für Dermatologie ¹. Eine systematische Übersichtsarbeit, die Studien von 2013 bis 2023 umfasste, ergab, dass die KI in 30 von 34 Studien den Hautärzten ebenbürtig oder überlegen war, mit einer gepoolten Sensitivität von 86 % und einer Spezifität von 94 % für die Melanomerkennung ². Diese Zahlen sind beeindruckend. Aber sie haben einen Haken: Die Ergebnisse spiegeln die Leistung auf sorgfältig ausgewählten Forschungsdatensätzen wider, nicht die unordentlichen, schlecht beleuchteten Fotos, die du in deinem Badezimmer machst.

Funktionieren Hautanalyse-Apps so gut, wie die Studien vermuten lassen?

Noch nicht. Eine systematische Übersichtsarbeit über algorithmusbasierte Smartphone-Apps ergab, dass man sich auf die aktuellen Tools „nicht verlassen kann, um alle Fälle von Melanomen zu erkennen“ und dass die Leistung in der Praxis wahrscheinlich schlechter ist als in den Forschungsarbeiten berichtet ³. Nur fünf Dermatologie-Apps hatten unterstützende, von Fachkollegen begutachtete Nachweise, und nur vier gaben ihren regulatorischen Zulassungsstatus an ⁴. Eine kommerziell erhältliche App, SkinVision, erreichte in Studien eine Sensitivität von 80 % und eine Spezifität von 78 %, aber eine unabhängige Analyse beschrieb ihre Genauigkeit im Vergleich zu Expertenempfehlungen als schlecht. Die Lücke zwischen einem Labortest und deiner Handykamera an einem Dienstagmorgen ist real, und sie ist von Bedeutung.

Funktioniert KI bei allen Hauttönen gleich gut?

Nein, und das ist eines der größten ungelösten Probleme in der dermatologischen KI. Die Forschung zeigt, dass hochmoderne Modelle bei dunkleren Hauttönen und seltenen Krankheiten wesentlich schlechter abschneiden ⁵. Die Hauptursache sind die Trainingsdaten: Die meisten Bilddatensätze, die zum Erstellen dieser Systeme verwendet werden, repräsentieren hellere Haut überproportional stark, was bedeutet, dass die Algorithmen einfach weniger Beispiele für Krankheitsbilder auf dunkler Haut gesehen haben ⁶. Eine Scoping-Review bestätigte eine systematische Untererfassung und Unterrepräsentation diverser Hauttypen in der Forschung zum maschinellen Lernen zur Hautkrebserkennung ⁷. Die Feinabstimmung von Modellen auf vielfältigeren Bilddatensätzen schließt diese Leistungslücke zwar, aber solange das nicht zur gängigen Praxis wird, birgt die KI-Hautanalyse ein eingebautes Gerechtigkeitsproblem.

Wann solltest du der KI mehr vertrauen als einem Hautarzt (und umgekehrt)?

Die KI ist am stärksten als Screening- und Tracking-Tool. Wenn du ein Muttermal im Laufe der Zeit beobachten, etwas Verdächtiges markieren oder einen zweiten Datenpunkt erhalten möchtest, bevor du einen Termin buchst, dann spielen diese Tools ihre Stärken aus. Der Skin Bliss Face Scanner zum Beispiel nutzt KI, um ein personalisiertes Hautprofil zu erstellen und Veränderungen im Laufe der Zeit zu verfolgen. Er gibt dir Daten an die Hand, die du deinem Hautarzt vorlegen kannst, anstatt diesen Besuch zu ersetzen.

Wo die KI an ihre Grenzen stößt, ist die Nuance. Ein Hautarzt berührt deine Haut, fragt nach deinen Medikamenten, berücksichtigt deine Familiengeschichte. Ein KI-Modell, das dich noch nie zuvor gesehen hat, verarbeitet Pixel. Bei allem, was besorgniserregend ist – einer Läsion, die ihre Form, Farbe oder Größe verändert hat – bleibt ein menschlicher Experte der Behandlungsstandard.

Können KI und Hautärzte effektiv zusammenarbeiten?

Ja, und die Kombination übertrifft beide für sich genommen. Eine Studie über erklärbare KI ergab, dass sich die diagnostische Treffsicherheit (Balanced Accuracy) von Hautärzten um 2,8 Prozentpunkte verbesserte, wenn sie die KI als Entscheidungshilfe nutzten, im Vergleich zur alleinigen Nutzung von Standard-KI oder gar keiner KI ⁸. Computeralgorithmen in der International Skin Imaging Collaboration Challenge erzielten eine höhere „Area under the Curve“ (0,87) als Dermatologen (0,74) bei der Melanom-Klassifizierung, aber Ärzte schnitten immer noch besser ab als die KI, wenn sie Zugang zu klinischem Kontext hatten ⁹. KI ist ein nützlicher Mitarbeiter. Sie als solchen zu behandeln, führt zu besseren Ergebnissen, als sie entweder als Heilsbringer oder als Spielerei anzusehen.

Häufig gestellte Fragen

Kann eine KI-App meinen Hautarzt ersetzen?

Nein. Aktuellen KI-Hautanalyse-Apps fehlt eine durchgängige klinische Validierung, und sie können deine Krankengeschichte, Wechselwirkungen mit Medikamenten oder die taktilen Informationen, die ein Hautarzt während einer Untersuchung sammelt, nicht berücksichtigen. Sie eignen sich am besten zur Überwachung und Sensibilisierung, nicht zur endgültigen Diagnose.

Werden KI-Hautanalyse-Apps reguliert?

Die meisten nicht. Eine Untersuchung kommerziell erhältlicher KI-Dermatologie-Apps ergab, dass nur vier ihren Zulassungsstatus durch die FDA oder das CE-Zeichen offenlegten ⁴. Das bedeutet, dass viele Apps, die diagnostische Behauptungen aufstellen, nicht unabhängig auf Sicherheit oder Genauigkeit überprüft wurden.

Warum schneidet KI bei dunklerer Haut schlechter ab?

KI-Modelle lernen aus Trainingsdaten, und die in der dermatologischen Forschung verwendeten Datensätze enthalten überwiegend Bilder von helleren Hauttönen ⁶. Mit weniger Beispielen für Erkrankungen bei dunkler Haut haben die Algorithmen weniger Informationen, auf die sie zurückgreifen können, was ihre Genauigkeit für diese Hauttypen verringert.

Wie kann ich KI-Haut-Tools verantwortungsvoll nutzen?

Nutze sie, um Veränderungen im Laufe der Zeit zu verfolgen und um Bedenken zu markieren, die du mit einem Fachmann besprechen möchtest. Nutze das Ergebnis einer App nicht als Grund, einen Hautarzttermin auszulassen, insbesondere bei neuen, sich verändernden oder symptomatischen Läsionen. Bring deine KI-Tracking-Daten zu deinem nächsten Besuch mit, damit dein Arzt mehr Informationen hat, mit denen er arbeiten kann.