Melanom-Screening im Zeitalter der künstlichen Intelligenz

Regelmässige dermatologische Kontrollen können insbesondere bei Personen mit erhöhtem Melanomrisiko zu einer früheren Diagnose beitragen und die Prognose verbessern. Künstliche Intelligenz (KI) und automatisiertes Imaging können Untersuchungsabläufe standardisieren und effizienter gestalten. Der gezielte Einsatz von KI zur Unterstützung dermatologischer Entscheidungen hat das Potenzial, die diagnostische Genauigkeit zu verbessern.

Melanom-Screening verfolgt das Ziel, durch frühe Erkennung und operative Entfernung Morbidität, Mortalität und Einschränkungen der Lebensqualität sowie Gesundheitskosten zu reduzieren, erläuterte Prof. Dr. med. Lara Valeska Maul-Duwendag, Universitätsspital Zürich, in ihrem Vortrag beim Jahreskongress der Schweizerischen Gesellschaft für Dermatologie und Venerologie (SGDV). Weitere Vorteile des Screenings liegen in einer verbesserten Awareness für die Erkrankung sowie in früh etablierten Patientenkontakten, die wichtig sein können, falls eine Therapie notwendig werden sollte. Gefahren von Screening-Massnahmen sind sowohl falsch negative, falsch positive Ergebnisse, als auch Überdiagnosen. Darunter versteht man die Identifikation von Läsionen, die unentdeckt niemals Schaden angerichtet hätten. Dies kann geschehen, weil biologisch indolente Veränderungen gefunden und falsch eingeschätzt oder weil histopathologische Befunde überinterpretiert werden. Die Folge ist eine Überbehandlung, die den Patient:innen Schaden zufügen und unnötige Kosten verursachen kann.

Die Problematik der Überdiagnose ist eine Herausforderung für unser binäres Konzept von Malignität, so Maul-Duwendag. Im Falle des Melanoms betrifft Überdiagnose die Gruppe der melanozytischen Neoplasien mit sehr niedrigem Risiko. Ein Teil dieser Läsionen dürfte ein sehr niedriges Progressions- und Mortalitätsrisiko aufweisen, obwohl sie nach aktuellen histopathologischen Kriterien als Melanom klassifiziert werden. Hier besteht dringender Forschungsbedarf.¹ Maul-Duwendag erläuterte dies am Fall einer 33-jährigen Patientin, bei der bereits 19 verdächtige Läsionen exzidiert worden waren, die sich histopathologisch sämtlich als benigne Nävi erwiesen.

Ganzkörper-Imaging innerhalb von wenigen Sekunden

Es stelle sich derzeit die Frage, ob digitale Kontrollen und die Unterstützung mit künstlicher Intelligenz (KI) helfen können, früher Melanome zu detektieren und dabei weniger benigne Läsionen zu exzidieren. Maul-Duwendag berichtete von guten Erfahrungen am Universitätsspital Zürich mit 3D-Ganzkörper-Imaging mit 92 Kameras (VECTRA), das innerhalb von wenigen Sekunden einen dreidimensionalen Avatar des nahezu gesamten Körpers erstellt. Das System unterstützt die longitudinale Überwachung und kann dazu beitragen, Veränderungen gezielter zu beurteilen und unnötige Exzisionen zu vermeiden.

Prospektive Studien zeigen, dass KI-Algorithmen bei der Klassifikation ausgewählter pigmentierter Läsionen diagnostische Leistungen erreichen können, die mit denen von Dermatologen vergleichbar sind. (Abb. 1).² Die Evidenz für Augmented Intelligence (AuI), also die Unterstützung von Dermatolog:innen durch KI, ist jedoch weiterhin begrenzt.^3,4 Die Herausforderung liege nun darin, von der algorithmischen Performance zu einer sinnvollen klinischen Integration zu gelangen. Die Zusammenarbeit von Mensch und KI habe das Potenzial, auf dem Weg der Synergie zu Ergebnissen zu gelangen, die die zu erwartende Summe von menschlicher und maschineller Performance übertreffen. Voraussetzung dafür sei eine Definition der jeweiligen Aufgabenfelder, denn es sei keineswegs garantiert, dass Mensch und Maschine nicht zu widersprüchlichen Ergebnissen gelangen. Maul-Duwendag verwies auf Daten aus der Schweiz, die über die Jahre auf eine Verbesserung der Algorithmen hinweisen und nahelegen, dass das Ergebnis im Vergleich zum Menschen auch von den Usern abhängt. Mit anderen Worten: Anfänger:innen dürften vom KI-Support am deutlichsten profitieren. Allerdings gab Maul-Duwendag zu bedenken, dass die Algorithmen in rasantem Tempo besser werden und eine Vergleichsstudie zwischen Menschen und KI heute vielleicht schon andere Resultate erbringen würde.

Abb. 1: Prospektive Evidenz zur KI-gestützten Melanomdiagnostik (modifiziert nach Laiouar-Pedari S et al. 2026, Winkler JK et al. 2023)^2,3

Spanische Daten legen nahe, dass der Vorteil der Befundung mittels KI vor allem in der longitudinalen Auswertung liegt. Durch den Vergleich der Läsionen über die Zeit und die Detektion von de novo Läsionen konnte fast die Hälfte der gefundenen Melanome ohne digitale Dermatoskopie diagnostiziert werden.⁵ Damit unterstützt das System die Dermatolog:innen vor allem im längerfristigen Follow-up ihrer Patient:innen. Vorläufige, bislang unveröffentlichte Daten aus einer Reader-Studie der Gruppe von Maul-Duwendag deuten darauf hin, dass KI-Unterstützung sowohl Sensitivität als auch Spezifität ärztlicher Entscheidungen verbessern kann und dass davon auch erfahrene Befunder:innen profitieren. Dabei kann sowohl eine falsche menschliche Einschätzung durch die KI korrigiert als auch eine richtige menschliche Einschätzung durch die KI in Zweifel gezogen werden. Der Net Clinical Benefit ergibt sich aus dem Verhältnis dieser beiden Szenarien. Die tatsächliche Entscheidung für oder gegen eine Exzision muss allerdings immer von den Behandler:innen getroffen werden.

Massive Überdiagnose mit Consumer-Apps

Die Performance von Menschen und KI wird auch vom Hauttyp der Patient:innen beeinflusst. So waren State-of-the-Art-KI-Modelle überfordert mit der Befundung dunkler Haut. Dies liege daran, dass dunkle Hauttypen in den Datensätzen, auf denen diese Modelle basieren, nach wie vor unterrepräsentiert sind, so Maul-Duwendag. Weltweit werde daran gearbeitet, dies zu korrigieren.

Maul-Duwendag warnte vor dem nicht überwachten Einsatz von Smartphone Apps, da diese die Malignität der Läsionen zum Teil dramatisch überschätzen. In einer prospektiven Studie führte eine CE-zertifizierte Smartphone-App im Vergleich zu Dermatolog:innen 27-mal häufiger zu einem Melanomverdacht. Verliesse man sich auf die App, so stiege die «number needed to excise» für eine Melanomdiagnose von 9,6 auf fast 260.⁶

Für eine verantwortungsvolle klinische Implementierung sind nachvollziehbare Entscheidungsprozesse, externe Validierung und eine Einbettung der KI-Ergebnisse in den klinischen Kontext entscheidend. Das Prozedere müsse von den Kliniker:innen angeleitet werden und die KI den Patient:innen-Kontext, also beispielsweise die Familienanamnese, einbeziehen. Dies markiert den Weg von einem Läsions-basierten Screening zur Präzisions-Prävention von Melanomen, die beispielsweise genetische Faktoren einbezieht und in die in Zukunft auch molekulare Risikomarker integriert werden können. Damit liesse sich auch determinieren, welche Personen wie oft gescreent werden sollen. Zur besseren Implementation von KI-gestütztem Screening hat die EU die European AI-powered Advanced Screening Centers ins Leben gerufen, die die sichere Einführung von innovativen Lösungen für Prävention, Früherkennung und Diagnostik von Krebs und kardiovaskulären Erkrankungen beschleunigen und diese gleichzeitig unter klinischen Alltagsbedingungen validieren sollen.

Genetische Belastung: familiäre Melanome und Pankreas-karzinomrisiko bei CDKN2A-Mutationen

In einer speziellen Risiko-Situation befinden sich Personen, in deren Familien Melanome gehäuft auftreten. Etwa 5–10% der Melanome treten familiär gehäuft auf; bei einem Teil dieser Familien lassen sich pathogene Keimbahnvarianten nachweisen.⁷ Die beste Datenlage besteht derzeit zu Mutationen an Gen CDKN2A, die bei 20–40% aller Familien mit multiplen Melanomerkrankungen vorliegen. An ein familiäres Melanom sollte gedacht werden, wenn mindestens drei (in Ländern mit niedriger Melanominzidenz zwei) Verwandte ersten oder zweiten Grades unter Melanomen leiden oder litten. Bei Personen mit ausgeprägter familiärer Belastung werden initial halbjährliche Melanomscreenings empfohlen. Eine ausgeprägte familiäre Melanombelastung in Kombination mit zahlreichen, teilweise klinisch atypischen Nävi kann dem Phänotyp eines familial atypical multiple mole melanoma (FAMMM) syndrome entsprechen. Pathogene CDKN2A-Varianten sind zusätzlich mit einem erhöhten Risiko für Pankreaskarzinome assoziiert. Für Träger:innen einer solchen Variante wird daher eine gezielte Pankreaskarzinom-Surveillance empfohlen. Diese sollte in der Regel ab dem 40. Lebensjahr oder zehn Jahre vor dem jüngsten Erkrankungsalter eines betroffenen Familienmitglieds beginnen.

Der Nutzen einer strukturierten dermatologischen Surveillance bei genetisch definierten Hochrisikopersonen wird durch Beobachtungsdaten gestützt. In einer schwedischen Kohorte unterschied sich das Melanom-spezifische Überleben von Personen mit CDKN2A-Mutationen nicht mehr von CDKN2A Wild Type. Vor Beginn des Screening-Programms waren CDKN2A-Mutationen mit einem massiv erhöhten Risiko assoziiert.⁸ Maul-Duwendag: «Diese Daten zeigen, dass Hautkrebs-Screening insbesondere für Personen mit hohem Risiko wirklich wichtig ist.» Im Rahmen des Screenings sei es auch wichtig, psychische Probleme der Patient:innen zu identifizieren, denn Patient:innen mit hohem Melanomrisiko sind, ebenso wie Melanomüberlebende, häufig durch die Angst vor dem Krebs stark belastet, so Maul-Duwendag.