Een met voorbeeldplaatjes getraind neuraal netwerk blijkt in staat huidkanker net zo goed of zelfs iets beter te herkennen dan dermatologen. Het algoritme werd opgesteld door onderzoekers van de Amerikaanse Stanford University.

Opnieuw bewijst deep learning zijn kracht. Dit keer bij het kunnen herkennen van huidtumoren, louter op basis van foto’s van de huid, waarbij ook nog eens met redelijke betrouwbaar het type kanker wordt vastgesteld.

Normaliter gebeurt de controle van de huid op eventuele aandoeningen door de dermatoloog. Die is in staat op grond van ervaring te beoordelen of het gaat om een onschuldige aandoening, een moedervlek of een kwaadaardig gezwel. Voor de leek is het verschil tussen die verschillende huidafwijkingen lang niet altijd even duidelijk. Wie een verdacht plekje ziet moet dus een afspraak maken met de dermatoloog.


Diagnose via de smartphone

Het algoritme dat onderzoekers van de Stanford University ontwikkelden blijkt nu ook in staat kwaadaardige aandoeningen te onderscheiden. Zij publiceerden hun resultaat in Nature.

Het algoritme kan de huidkanker vaststellen op basis van foto’s die met een smartphone zijn gemaakt. Dit resultaat opent de weg naar een veel eenvoudiger manier om een diagnose te stelen: degene die zich ongerust maakt stuurt met zijn smartphone de foto van het verdachte plekje naar het ziekenhuis, de computer analyseert die foto en stelt de diagnose. Is er sprake van een gezwel, dan volgt de verdere behandeling.


Zelflerend netwerk

De onderzoekers gebruikten een zelflerend netwerk van Google,  het zogeheten GoogleNet Inception Deep Convolutional Neural Network, dat in het kader van de ImageNet Large Scale Visual Recognition Challenge van 2014 met een kleine 1,3 miljoen was  getraind om afbeeldingen op foto’s te herkennen. (lees ook ‘Lerende computerneuronen’)

Vervolgens gebruikten de onderoekers een kleine 130.000 afbeeldingen van huidkankers, afkomstig van achttien verschillende klinieken waar huidkanker wordt behandeld. Ze leerden daarmee het netwerk om op foto’s huidkanker te herkennen. Het netwerk werd op 757 verschillende huidaandoeningen getraind.


Test met dermatologen

Eenmaal getraind werden vervolgens een kleine tweeduizend afbeeldingen gebruikt om de kwaliteit van het algoritme te testen. Ook van die afbeeldingen was precies bekend om welke huidaandoening het ging. De huidfoto’s werden zowel aan het neurale netwerk als aan twee ervaren dermatologen voorgelegd.

Bij de eerste test moest worden aangegeven wanneer er sprake was van een goedaardige of een kwaadaardige huidkanker. Het neurale netwerk haalde een score van 72 %, de beide dermatologen rond de 66 %. Vervolgens moest de kanker worden herkend op negen verschillende typen. Hier scoorde het neurale netwerk 55 %, de dermatologen kwamen op 54 %.

Verschillende typen huidkanker.

Er is ook gekeken naar de gevoeligheid van het algoritme, de mate waarin het daadwerkelijk alle aandoeningen herkent tussen onschuldige huidvlekjes, en de specificiteit, de mate waarin het alle onschuldige aandoeningen weet te onderscheiden van de niet-onschuldige. Hierop presteerde het algoritme beter dan de beide dermatologen.


Groeiende reeks

De onderzoekers willen hun database met foto’s van huidkankers graag nog verder uitbreiden, en ze willen nagaan hoe het algoritme werkt in de klinische praktijk.

Het geboekte resultaat volgt op een groeiende reeks van neurale netwerken die in staat zijn ziektebeelden te herkennen, bijvoorbeeld bij het herkennen van darmkanker (lees ‘Computer vindt kanker op videobeelden’).

Openingsfoto: Matt Young.