Künstliche Intelligenz hilft bei der Auswertung von Hautallergietests

Polnische Wissenschaftler haben die SkinLogic-Lösung entwickelt, die effizientere Hautallergietests und zuverlässigere Ergebnisse ermöglicht. Die Methode verwendet Video- und Wärmebildkameras und ein System, das die Bilder pixelgenau analysiert.

Die Autoren der beschriebenen Lösung sind Spezialisten der Fakultät für Elektronik und Informationstechnologie der Technischen Universität Warschau, das Team von Professor Jacek Stępień (Firma Milton Essex) und das Militärmedizinische Institut.

Die klinischen Tests ergaben sehr gute Ergebnisse. Das System identifiziert bis zu 98 % der Fälle korrekt, auch seltene Allergien. Darüber hinaus ist es mit SkinLogic möglich, Läsionen mit einem Durchmesser von höchstens 0,3 mm zu erkennen.

 Bild Quelle: Pixabay

Aufbau und Betrieb von SkinLogic

Wie in einer Pressemitteilung der Technischen Universität Warschau (WUT) betont wird, ist SkinLogic aus IT-Sicht ein Datenverarbeitungssystem. Das Gerät besteht aus einem Stativ und den eingangs erwähnten Kameras. Während der Tests muss die Hand des Patienten im Stativ fixiert werden. Das Gerät nimmt zu bestimmten Zeiten Bilder mit sichtbarem und infrarotem Licht auf und zeichnet auf, was auf den mit Allergenen behandelten Hautfragmenten passiert. Sobald die digitale Dokumentation vorliegt, ist es an der Zeit, den mit dem PW erstellten Algorithmus zu verwenden.

Wichtig ist, dass bei dem üblichen manuellen Verfahren zur Messung allergischer Reaktionen (Blasen) das Ergebnis nicht ganz präzise ist. Bei der Verwendung von SkinLogic wird die Messung jedoch durch den Algorithmus durchgeführt. Darüber hinaus prüft das System sowohl die Größe der Reaktion als auch andere Parameter, wie z. B. ihre Form. Das mit dem Ferninfrarotspektrum gewonnene Bild ist hierfür nützlich.

Analyse von digitalem Material

Bei der Analyse werden die Bilder in Segmente unterteilt, die der Lage der Einschnitte auf der Haut entsprechen (jedes Segment kann separat untersucht werden). Durch die Analyse der Daten im Zeitverlauf lässt sich feststellen, wie sich das Segment verändert hat.

Woher stammen die Eingangsdaten für das System der künstlichen Intelligenz? Sie verwendeten 1500 Bilder von allergischen Hautreaktionen (Aufzeichnungen), die Ärzte während klinischer Studien an 100 Patienten gesammelt hatten. So konnte der Algorithmus lernen zu erkennen, welches Bild eine allergische Reaktion darstellt und welches nicht.

Was wir von den Kamerabildern erhalten, sind 100x100-Pixel-Bilder. Einem Arzt, der eine allergische Blase untersucht, steht nur der mit bloßem Auge sichtbare Bereich zur Verfügung. Wir untersuchen alle Pixel auf den Bildern. Man könnte sagen, dass eine Standarddiagnose auf einem einzigen Wert basiert, während die von der künstlichen Intelligenz getestete Reaktion auf Millionen von Werten und erkannten Kombinationen beruht", erklärt Professor Robert Nowak, Leiter der Abteilung für künstliche Intelligenz. Für einen Menschen wäre es extrem mühsam, diese Muster zu finden; ein trainierter Algorithmus erledigt diese Aufgabe schnell und ist sehr genau. Mehr Daten bedeuten mehr zu eliminierendes Rauschen, aber der Algorithmus kann auch dieses Problem bewältigen. Unser System wurde anhand einer Reihe von Mustern trainiert, die von einem medizinischen Konsortium entwickelt wurden, so dass es über eine hochwertige Grundlage verfügt", fügt der Forscher hinzu.

Verbesserte Diagnose und Behandlungsplanung

Das System wird derzeit im Rahmen der Vorregistrierung getestet. Sobald sie in der klinischen Praxis eingesetzt wird, kann sie eine unschätzbare Hilfe sein. Es bedeutet eine schnellere Diagnose, liefert präzisere Ergebnisse und ermöglicht dank der digitalen Materialerfassung eine einfachere Konsultation mit anderen Spezialisten.

Der Artikel "Thermography-based skin allergic reaction recognition by convolutional neural networks" wurde Mitte Februar in der Zeitschrift Scientific Reports veröffentlicht.

Drucken