Das Trainingsdatenset für die KI bestand aus insgesamt 8.021 Fotos: 900 zeigten die Diagnose Psoriasis, die restlichen entfielen auf acht andere Hauterkrankungen mit Psoriasis-ähnlichem Erscheinungsbild. Im Vorfeld hatten die Autor:innen vermutet, dass eine zweistufige KI die komplexen Erscheinungsbilder der Hauterkrankung besser erkennen würde.
Um diese Hypothese zu prüfen, trainierten sie mit dem Datenset vier zweistufige und ein einstufiges KI-Modell und verglichen die Ergebnisse: Eines der zweistufigen Modelle erreichte mit einer area under the curve (AUC) von 0,981 die besten Ergebnisse. An einem Testset von 100 Bildern wurde die Diagnosegenauigkeit der KI mit der von 25 Dermatologen verglichen: Die KI erreichte eine Genauigkeit von 0,96, die Dermatologen erreichten 0,87. Weil jedoch in der klinischen Praxis nicht nur die berücksichtigten acht der Psoriasis ähnlichen Erkrankungen vorkommen, wurde die KI an zwei weiteren Testsets mit je 50 Bildern getestet: Das erste Set beinhaltete Hauterkrankungen, die der Psoriasis unähnlich sind, das zweite Set bestand aus Psoriasis-ähnlichen Hauterkrankungen. Die Gesamtgenauigkeit betrug 0,88.
Nach Einschätzung der Autor:innen hat die neu entwickelte KI damit gezeigt, auch unter Real-World-Bedingungen gute Ergebnisse zu erzielen. MR