Wie KI Hautschäden schneller erkennt und verhindert

Die Erfassung von Hautschäden und Schadstoffbelastungen ist Gegenstand einer ganzen Reihe von aktuellen Forschungsprojekten. Eine wichtige Forschungsrichtung dabei: Mit KI ausgestattete Bildanalyseverfahren sollen als ergänzende Diagnose- und Assistenzinstrumente im Rahmen der Haut-Prävention eingesetzt werden. Mit ihnen können Schadstoffmengen auf der Haut wesentlich schneller und präziser erfasst werden, als es mit dem menschlichen Auge oder bisherigen konventionellen Bildauswertungsmethoden möglich ist. Vor diesem Hintergrund wird untersucht, wie Hautveränderungen oder Hautbelastungen mittels UV-Strahlen sichtbar gemacht, Fluoreszenzbilder von KI-Tools ausgewertet und wie Machine-Learning-Verfahren genutzt werden können, um Verunreinigungen oder Hautschädigungen zu quantifizieren.

Einsatz für den Arbeitsschutz

Derartige KI-Hautanalysen sind in der Dermatologie bereits im Einsatz, werden aber kontinuierlich weiterentwickelt. Auch für den betrieblichen Arbeitsschutz sollen sie verstärkt eingesetzt werden. Die BAuA und andere Institutionen arbeiten daher an KI-unterstützten Bildanalyseverfahren. Damit sollen gefährdende Schadstoffbelastungen, Hautirritationen oder frühe Anzeichen von Kontaktdermatosen speziell für den betrieblichen Kontext schneller und effektiver erkannt und bewertet werden. Diese Bewertung soll erfolgen, noch bevor ernsthafte Hautschäden bei den Beschäftigten entstehen können.

Wie die KI-Bildanalyse funktioniert

Wie arbeiten diese Systeme? Spezielle Digitalkameras oder digitale Auflichtmikroskope (Dermatoskope) scannen zunächst die Haut. Oft wird dabei mit polarisiertem Licht gearbeitet, um Spiegelungen zu reduzieren und tiefere Hautschichten sichtbar zu machen. Die KI filtert dann das entstandene Bildmaterial, korrigiert die Belichtung und maskiert medizinisch irrelevante Bildinformationen. Die Bilderkennungssoftware gleicht die Mikromuster, Farben und Strukturen der Hautläsion mit ihrer Datenbank ab. Möglich gemacht wird dies durch hochentwickelte Algorithmen, sogenannte Convolutional Neural Networks (CNNs). Diese trainieren das Bildanalyse-System mit Millionen medizinischer Hautbilder, um winzige Veränderungen auf oder in der Haut erkennen zu können. Beispielsweise: Asymmetrie, Rötungsgrad, Schuppung, Texturveränderungen oder Schadstoffbelastungen. Der große Vorteil der KI-Methode: Während mit der klassischen Bildauswertungsmethode viel manuelle Bildauswertung für jedes einzelne Bild durchgeführt werden muss, beschränkt sich die Hauptarbeit bei der KI-basierten Methode auf die Vorverarbeitung, die Merkmalsgenerierung und das Training des Modells. Sobald das KI-Modell ausreichend gut trainiert ist, können unzählig viele weitere Bilder durch das System ausgewertet werden. Abschließend berechnet die KI die Wahrscheinlichkeit für das Vorliegen einer bestimmten Hauterkrankung oder ordnet den Zustand der Haut für den Betriebs- oder Facharzt grundlegend ein.