Zusammenfassung
Die Dermatoskopie ist mittlerweile ein fester Bestandteil einer jeden dermatologischen
Untersuchung. Mit dieser Technik konnten die Früherkennung von Malignomen der Haut
und deren Vorstufen deutlich verbessert und unnötige Exzisionen benigner Hautläsionen
reduziert werden. Der Einsatz der Dermatoskopie umfasst mittlerweile auch die Beurteilung
von entzündlichen und parasitären Dermatosen sowie Haarerkrankungen. Bei definierten
Risikogruppen für ein Melanom sollte der Zwei-Schritte-Algorithmus, bestehend aus
Ganzkörperfotografie und Videodermatoskopie, in entsprechenden Zeitintervallen zur
Anwendung kommen. Mit dieser Methode können Melanome meist in einem sehr frühen Stadium
entdeckt werden, da Veränderungen bestehender Muttermale sowie neu entstandene Läsionen
früher festgestellt werden. In den letzten Jahren konnten mehrere Studien nachweisen,
dass speziell geschulte neuronale Netzwerke Malignome der Haut, insbesondere Melanome,
mit einer sehr hohen Treffsicherheit diagnostizieren können. Wie diese Computer-gestützte
Diagnostik mithilfe einer künstlichen Intelligenz in den klinischen Alltag integriert
werden kann und welche Vorteile sich hiervon ableiten lassen, ist derzeit noch nicht
geklärt.
Abstract
Dermoscopy is an essential part in every dermatological consultation. This technique
improved sensitivity and specificity in terms of early recognition of malignant skin
tumors dramatically. Moreover, excisions of benign tumors were reduced. To date, dermoscopy
is also used in the diagnosis of non-melanocytic skin tumors as well as for diagnosing
inflammatory and parasitic dermatoses as well as hair diseases. The two-step algorithm
consisting of total-body photography and sequential digital dermoscopy is a valuable
tool for patients with an increased risk for developing a melanoma. These patients
benefit from this method as melanomas are mostly recognised at an early stage, because
dynamic changes in already existing lesions as well as newly developed lesions are
observable earlier. There is growing evidence that specifically trained convolutional
neural networks (CNN) are able to diagnose melanomas with a high diagnostic accuracy.
The real-world applicability of this computer-aided diagnosis, its integration and
advantages in the daily routine are currently a matter of debate.