Das manuelle, visuelle Hautkrebsscreening ist zwar derzeit der Goldstandard, jedoch zeitaufwendig und untersucherabhängig [1]. Die Dokumentation muss meist extra angefertigt werden und liegt oft nur als Beschreibung vor. Eine einfache Dokumentation makroskopischer Hautbefunde ist seit der flächendeckenden Verfügbarkeit von Smartphones leicht möglich. Auch für die dermatologische Bilddoku­mentation gibt es mittlerweile spezialisierte Hard- und Software [2]. Eine Weiterentwicklung der manuellen fotografischen Dokumentation von Nävi sind Automated-Total-Body-Mapping(ATBM)-Systeme, die die gesamte Körperoberfläche in mehreren Schritten erfassen können [3]. Die nächste technische Iteration stellt der 3-D-Ganzkörperscanner dar, bei dem fast die gesamte Körperoberfläche automatisiert und standardisiert gleichzeitig aufgenommen werden kann [4]. Hierbei stellt sich der Patient in ein Gerät, das mittels multipler, fest installierter Kameras gleichzeitig Aufnahmen anfertigt, aus denen dann ein 3-D-Modell berechnet wird (Abb. a, b). Nach erfolgter Aufnahme können Nävi automatisch erkannt werden, Mole Mapping genannt (Abb. c) [3]. Einige Systeme können ein- und denselben Nävus über die Zeit automatisch wiederfinden bzw. neu aufgetretene Nävi erkennen und ermöglichen so exaktere Verlaufskontrollen jedes einzelnen Nävus [5].

‍

(3-D-)Ganzkörperfotografie im Alltag

Die 3-D-Ganzkörperfotografie bietet im Gegensatz zur manuellen Dokumentation/Fotografie den Vorteil, mit weniger Zeitaufwand einen Überblick über die Hautveränderungen und Nävi des Patienten zu erhalten und diese gleich objektiv zu dokumentieren. Im Gegensatz zu ATBM-Systemen bietet sie den ­Vorteil einer weiteren Zeitersparnis, da alle Fotos gleichzeitig aufgenommen werden und das manuelle Bewegen von Kamera oder Patient entfällt. Auch ergibt sich hierdurch eine höhere Standardisierung in den Aufnahmen [4]. Ähnlich wie ATBM-Systeme erlauben 3-D-Scanner das Mole Mapping mit automatischer Analyse der Veränderungen über die Zeit. Die ersten Daten aus Untersuchungen zur traditionellen (manuellen) Ganzkörperfotografie in der Hautkrebsfrüherkennung zeigen, dass die dadurch gefundenen (In-situ-)Melanome eine geringere ­Tumordicke und ein früheres Stadium sowie eine niedrigere Biopsiezahl aufweisen [6,7]. Eine Kombination mit der digitalen Dermatoskopie (Digital Follow-up) kann ebenfalls zum früheren Erkennen von Melanomen führen [8]. Studien zur Evaluierung des Vorteils der 3-D-Ganzkörperfotografie im Vergleich zur traditionellen Ganzkörperfotografie bei der Hautkrebsfrüherkennung laufen derzeit [9]. Die aktuellen ­Geräte weisen jedoch noch einige Limitationen auf. So werden z. B. Fußsohlen, intertriginöse und behaarte Areale nicht bzw. nur mit Artefakten aufgenommen. Die Bildqualität erlaubt makroskopische Analysen, evtl. werden zusätzliche dermatoskopische Aufnahmen benötigt. Dem großflächigen Einsatz stehen ­derzeit Anschaffungskosten und fehlende technische Infrastruktur zur Datenspeicherung entgegen [4].

‍

‍

Künstliche Intelligenz im Hautkrebsscreening

Algorithmen der Künstlichen Intelligenz (KI) können Datenmuster erlernen – wofür große Mengen an standardisierten und annotierten Datensätzen benötigt werden [10] – und mit hoher Genauigkeit auf ganz neue Daten anwenden [11]. Ihre Anwendung in der Dermatoonkologie, v. a. in der Melanom-Früherkennung, wurde bereits gut erforscht [12]. Es existieren marktreife Systeme, die die Malignität dermatoskopischer Befunde mit einem Score bewerten [13]. ATBM- und 3-D-Ganzkörperscannerdaten könnten durch ihre hohe Standardisierung ebenfalls eine perfekte Grundlage hierfür bieten. Durch die gemeinsame Analyse von makroskopischen 3-D- und dazugehörigen dermato­skopische Daten könnte eine höhere ­Genauigkeit der Algorithmen erreicht werden.

‍

3-D-Ganzkörperscans sind ein neues Tool in der Dermatologie, mit dessen Hilfe sich fast die gesamte Hautoberfläche schnell und standardisiert aufnehmen lässt, was die Daten für die Analyse mittels KI prädestiniert. Durch die ­etwas ältere Ganzkörperfotografie können ­bereits jetzt mehr Melanome früher und mit weniger Biopsien entdeckt werden, sodass wir auf die nächste Evolution des Hautkrebsscreenings – die Analyse von 3-D-Ganzkörperfotografien (evtl. zusammen mit anderen Daten) mittels Künstlicher Intelligenz – gespannt sein können.